基于去趋势波动分析（DFA）的脑卒中后抑郁症静息脑电特征提取与识别

为考察脑卒中后抑郁症（PSD）患者静息态脑电（EEG）特异性,通过去趋势波动分析（DFA）,提取16导联EEG信号波动函数F（s）和区间长度s函数关系在双对数坐标中线性拟合斜率之标度指数α值,作为EEG信号的长程幂函数相关性特征参数.将3类人群（健康正常组10人、脑卒中后无抑郁症组4人、脑卒中后抑郁症组7人）的16导联EEG信号α值作为样本进行独立样本t检验,结果显示,健康人与脑卒中患者在顶叶、颞叶以及枕叶处α值存在显著性差异（P＜0.05）；利用支持向量机（SVM）分类器,将EEG信号DFA的α值放入16维特征空间在脑卒中患者组（含抑郁症与无抑郁症）内进行模式识别,可获得最高90.9％的分类正确率,有望为临床PSD提供客观有效的辅助诊断新手段.