文献类型：期刊文章

作　　者：李懿[1,5,6] 吴凯[2,4,5,6,7] 李文豪[1,5,6] 彭润霖[2,4] 陈超敏[8] 邓泽亚[9] 周静[3,4,5,6] 林岚(审校)[10]

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)

机构地区：[1]华南理工大学自动化科学与工程学院,广东广州510006 [2]华南理工大学生物医学科学与工程学院,广东广州510006 [3]华南理工大学材料科学与工程学院,广东广州510006 [4]华南理工大学国家人体组织功能重建工程技术研究中心,广东广州510006 [5]广东省精神疾病转化医学工程技术研究中心,广东广州510370 [6]广东省老年痴呆诊断与康复工程技术研究中心,广东广州510500 [7]广东省第二人民医院人工智能医疗应用研究所,广东广州510317 [8]南方医科大学生物医学工程学院,广东广州510515 [9]广州双悠生物科技有限责任公司,广东广州510535 [10]北京工业大学,北京100124

出　　处：《生物医学工程与临床》

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)。

年　　份：2023

卷　　号：27

期　　号：2

起止页码：238-246

语　　种：中文

收录情况：AJ、CAB、CAS、ZGKJHX、普通刊

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。

关 键 词：脑电信号 精神疾病 自动分类  机器学习  深度学习  

分 类 号：R749] TN911.7[临床医学类]