基于Couple熵的抑郁症相干性反馈指标提取

来源：电子测量技术杂志2022年第9期北京时间：

作者：张婷婷，王楠，周天彤，王苏弘，邹凌

单位：1.常州大学 计算机与人工智能学院、阿里云大数据学院 常州 213164; 2.常州大学 微电子与控制工程学院 常州 213164; 3.苏州大学附属第三医院 常州 215006; 4.浙江省脑机协同智能重点实验室 杭州 310018

摘要：为探究抑郁症患者脑网络连通特性及其作为在线反馈指标的可行性。首先，采用对容积导体效应不敏感的相干性虚部(IC)构建脑网络，能够有效便捷的避免虚假连接影响。然后，提取具有显著性差异的IC值作为特征集，提出结合Couple熵(CE)和Relief过滤式特征选择方法优化特征集，结合特征与类、特征之间关系信息提高特征集质量。同时，根据自我参照脑网络模块整合特征集，构造在线反馈指标。最后，采用K最近邻(KNN)、支持向量机(SVM)分类器进行对比分析。结果发现，各频段内CE-Relief特征选择方法提取的特征集最小，且分类准确率均高于90%；Alpha频段IC值识别抑郁效果最好，分类准确率可达到100%；自我参照脑网络的前额区平均IC值分类能力在各频段内具有优势且稳定，分类准确率均高于80%。

关键词：抑郁症分类;相干性虚部;Couple熵;自我参照脑网络

基金资助：江苏省重点研发计划（产业前瞻与关键核心技术）项目(BE2021012-5，BE2021012-2)，浙江省脑机协同智能重点实验室开放基金资助(2020E10010-04)，江苏省研究生培养创新计划项目(KYCX21_2830)