基于可穿戴 EEG 的实时抑郁监测系统

基于摘要分析。研究面向抑郁相关 EEG 的便捷日常采集与辅助评估，提出可穿戴 EEG 实时监测系统，将信号处理、功率谱可视化及机器学习分类整合起来。其主要研究对象是抑郁监测与辅助诊断，而非 BCI 控制任务。 系统通过可穿戴设备采集 EEG，实时执行信号滤波、伪迹去除和功率谱可视化，并可结合心理测评量表用于辅助诊断。除静息态 EEG 外，研究还引入外部音频刺激范式，利用连续 EEG 经机器学习输出各刺激条件下的抑郁概率，作为面向用户的自评评分。摘要未说明刺激内容、特征提取方法、分类器类型、概率校准方式或实时处理延迟，这些技术细节尚未验证。 作者报告，使用来自 81 名 early-onset 患者与 89 名正常对照的 EEG 构建最终分类模型并验证实际性能；摘要未进一步界定 early-onset 的含义，也未提供被试内或跨被试评估协议、训练测试划分、对照基线及性能指标。因此，不能据此量化分类效果，也不能将输出概率视为已验证的临床风险概率。 该工作的具体阅读价值在于呈现从可穿戴采集到实时处理、再到刺激相关评估的系统整合路径。摘要对日常采集及两周观察的讨论属于研究动机，不能据此认定系统已完成连续两周的纵向验证。实验协议、消融及统计信息尚未验证；复现还需核对设备与通道配置、采样参数、伪迹处理流程、音频刺激时序和模型训练细节。其辅助诊断定位不等于已具备独立临床诊断效力。