使用 Deep Belief Network 与三电极 EEG 采集器进行泛在式抑郁症 EEG 诊断

基于摘要分析。该研究针对便携式抑郁症 EEG 识别，使用三电极采集器记录额部 EEG，并比较 Deep Belief Network（DBN）与 KNN、SVM、ANN 的分类表现，探索少电极系统与频段功率特征的可行性。 采集位置为 Fp1、Fp2 和 Fpz。作者选择这些位置的理由是其与情绪有关且不受头发遮挡，研究共采集了 178 名被试的 EEG。摘要未提供抑郁组与对照组人数、诊断标准、任务或静息态条件，以及预处理和特征提取细节，因此目前不能确定该样本及采集流程的临床适用范围。 作者报告，DBN 的表现优于所比较的浅层方法，并认为 beta 频段绝对功率可用于抑郁检测；在该研究所采集数据的评估中，DBN 与 beta 频段绝对功率组合的 Accuracy 为 78.24%。摘要未说明这一结果采用被试内还是跨被试协议，也未交代训练测试划分，因此该数值不能直接用于判断对新被试的泛化能力。各对照方法的具体分数、DBN 结构、训练设置、消融及统计信息尚未验证。 该研究的主要对象是抑郁症相关 EEG 分类，而非 BCI 控制任务。作者将结果解释为小型泛在式诊断系统的可行性证据，但离线分类表现不等于已确立临床诊断效用。阅读全文时应重点核对被试独立划分、标签依据、额部眼电与肌电伪迹处理、组间混杂因素，以及 beta 功率特征在独立样本中的稳定性；这些事项目前尚未验证。