使用 Deep Belief Network 与三电极 EEG 采集器的便携式抑郁症 EEG 诊断

基于摘要分析。本研究面向便携式抑郁症 EEG 辅助识别，使用三电极采集器获取额部 EEG，并比较 Deep Belief Network（DBN）与其他分类方法。其主要贡献是探索少电极采集与 EEG 功率特征结合的抑郁识别方案，而非 BCI 控制或交互任务。 采集电极位于 Fp1、Fp2 和 Fpz；作者选择这些位置的理由是其与情绪相关，且不受头发覆盖影响。作者报告共采集了 178 名被试的 EEG，但摘要未说明抑郁组与对照组构成、临床诊断标准、采集任务及记录时长，相关信息尚未验证。 方法方面，研究比较了 KNN、SVM、ANN 与 DBN，并考察 beta 频段绝对功率作为抑郁检测特征的价值。作者报告 DBN 优于所比较的传统浅层方法，DBN 与 beta 频段绝对功率组合的 Accuracy 达到 78.24%。该数值对应的训练与测试划分、被试内或跨被试协议，以及各基线的具体结果均未在摘要中交代，尚不能据此判断跨被试泛化能力或比较优势的幅度。 作者据此认为小型便携系统用于抑郁诊断具有可行性。更审慎地说，摘要支持的是该采集与分类组合在所报告实验中的初步识别结果；临床适用性、外部验证及稳定性仍需核对全文。复现时需要确认 EEG 预处理、beta 频段边界与绝对功率计算方式、DBN 结构及训练设置，并核对数据划分、消融及统计信息；这些内容目前尚未验证。