摘要
临床上精神疾病的诊断大多依赖于精神科医生的主观评价,缺少客观有效的生物学指标。脑电信号分析与机器学习方法相结合,在精神疾病辅助诊断领域的应用发展迅速,采用传统机器学习算法和深度学习算法,对脑电信号特征进行学习,从而实现精神疾病的分类研究。文章介绍了脑电信号的基本概念、处理流程及其常用特征,笔者总结了脑电信号在抑郁症、双相情感障碍、精神分裂症等精神疾病自动分类的研究进展,最后展望了机器学习方法在该领域的发展趋势。采用传统的机器学习方法仍然是用于自动分类主流的工具。但深度学习内部复杂的体系结构及训练过程阻碍了对其内部的理解,难以解释其在医学领域的作用,因此深度学习也是脑电研究发展方向之一。此外,单独对脑电图进行分析难以囊括患者所有的特征,需与其他模态的生理参数结合进行多生理参数融合分析,使得疾病诊断更加智能化。
作者
李懿
吴凯
李文豪
彭润霖
陈超敏
邓泽亚
周静
林岚(审校)
LI Yi;WU Kai;LI Wen-hao;PENG Run-lin;CHEN Chao-min;DENG Ze-ya;ZHOU Jing(School of Automation Science and Engineering,South China University of Technology,Guangzhou 510006,Guangdong,China;School of Biomedical Sciences and Engineering,South China University of Technology,Guangzhou 510006,Guangdong,China;School of Material Science and Engineering,South China University of Technology,Guangzhou 510006,Guangdong,China;Nation-al Engineering Research Center for Tissue Restoration and Reconstruction,South China University of Technology,Guangzhou 510006,Guangdong,China;Guangdong Engineering Technology Research Center for Translational Medicine of Mental Disorders,Guangzhou 510370,Guangdong,China;Guangdong Engineering Technology Research Center for Diagnosis and Rehabilitation of Dementia,Guangzhou 510500,Guangdong,China;Institute for Healthcare Artificial Intelligence Application,Guangdong Second Provincial General Hospital,Guangzhou 510317,Guangdong,China;School of Biomedical Engineering,Southern Medical University,Guangzhou 510515,Guangdong,China;Brain Power System Co.,Ltd,Guangzhou 510535,Guangdong,China)
出处
《生物医学工程与临床》
CAS
2023年第2期238-246,共9页
Biomedical Engineering and Clinical Medicine
基金
国家重点研发计划(2019YFC0118800,2019YFC0118804,2019YFC0118805,2019YFC0118802,2020YFC2004300,2020YFC2004301,2021YFC2009400,2021YFC2009404)
国家自然科学基金资助项目(72174082)
广东省基础与应用基础研究基金自然科学基金杰出青年项目(2021B1515020064)
广东省科技重点领域研发计划项目(2018B030335001,2020B0101130020,2020B0404010002)
广州市科技计划项目(201903010032,202103000032,202206010077,202206060005,202206080005,202206010034)
广东省普通高校重点实验室项目(2020KSYS001)。