基于CSSD和SVM的抑郁症脑电信号分类  

Application of CSSD and SVM for EEG Signal Classification

作　　者：张胜[1] 王蔚[2] 

机构地区：[1]浙江师范大学数理与信息工程学院,金华321000 [2]南京师范大学教科院,南京210097

出　　处：《中国生物医学工程学报》2008年第6期827-831,共5页Chinese Journal of Biomedical Engineering

基　　金：浙江省自然科学基金(Y207738);教育部留学回国人员科研启动基金资助项目

摘　　要：从EEG脑电信号中提取与疾病相关的信息以实现对抑郁症的自动诊断。首先采用共空域子空间分解(CSSD)方法,对躁狂型抑郁症患者与健康人两组的16导联脑电信号进行特征提取,然后用支持向量机(SVM)分类器进行训练和分类测试。实验结果表明,相对于用小波变换提取的频率相关参数为分类特征的分类准确率为88%,采用CSSD方法提取特征参数进行分类可以取得更理想的效果为95%,后者的16导联脑电信号在空间模型上表现出较高的模式可分性。该研究成果对精神抑郁症的物理诊断和研究提供了新的视角。It has been an important issue to get information related to the disease from EEG for auto diagnosis. This paper used Common Spatial Subspace Decomposition （CSSD） to extract features from 16-channel＇ s Electroencephalograph （EEG） of melancholia patients and normal healthy persons respectively. Then a classifier based on Support Vector Machines （SVM） was designed for classification. Compared to the frequency features extracted by wavelet method with the accuracy of 88 %, the CSSD method gave better accuracy （95 % ） in EEG classification. The melancholia could be identified from the tested people through 16-channel＇ s EEG. The result could be applied to the melancholia diagnosis and clinical research.

关 键 词：CSSD SVM 分类 精神抑郁症 

分 类 号：R318.08[医药卫生—生物医学工程]