تشخیص و مقیاس بندی شدت افسردگی براساس روش‌های یادگیری ماشین و با استفاده از معیار‌های خطی، غیرخطی و آماری محاسبه شده در سیگنال‌های الکتروانسفالگرام

اختلال افسردگی اساسی به عنوان یک بیماری روانی ناتوان‌کننده و یک معضل اجتماعی در سراسر جهان شناخته شده‌است. تشخیص افسردگی توسط روانپزشک به عوامل مختلفی از جمله سطح مهارت پزشک و هم‌کاری بیمار بستگی دارد و گاهی تشخیص با خطا همراه است. هدف از این مطالعه یافتن نشانگرهای زیستی جدید، تشخیص خودکار و همچنین مقیاس بندی شدت افسردگی با استفاده از سیگنال‌های الکتروانسفالوگرام (eeg) است. سیگنال‌ eeg ثبت شده در حوزه زمان با استفاده از روش‌های خطی ، روش‌های غیرخطی و روش‌های آماری در باندهای فرکانسی مختلف تحلیل شدند. معیارهایی که دارای بیش‌ترین تفاوت آماری معنی‌دار بودند جهت تشخیص افسردگی و مقیاس بندی شدت افسردگی به طبقه‌بندهای ماشین بردار پشتیبان، k نزدیکترین همسایه، تحلیل تفکیک خطی، درخت تصمیم‌ و رگرسیون لجستیک داده شدند. با توجه به نتایج کسب شده به ترتیب نواحی پس‌سر راست، آهیانه چپ و گیجگاهی در باندهای فرکانسی بالاتر بخصوص باند بتا به شدت تحت تاثیر افسردگی قرار می‌گیرند. همچنین تنها با استفاده از دو ویژگی‌، در تشخیص افسردگی و مقیاس بندی شدت افسردگی به ترتیب به صحت‌های 100% و 82.85% دست‌یافتیم.