تشخیص افسردگی و تعیین شدت آن با استفاده از ویژگی‌های بر مبنای آنتروپی سیگنال‌های مغزی

افسردگی به عنوان یک اختلال عاطفی شایع شناخته می‌شود. روش‌های تشخیص افسردگی و شدت آن بر اساس پرسشنامه و خود گزارشی بیمار و تجربه پزشک است بنابراین تشخیص افسردگی تحت تاثیر عواملی مانند مهارت پزشک قرار می‌گیرد از آنجایی که تجزیه و تحلیل سیگنال‌های eeg به عنوان راهی برای تشخیص اختلالات روانی است می‌توان از آن به عنوان روشی برای تشخیص بیماری افسردگی استفاده کرد. در این مطالعه ویژگی‌هایی همچون توان باند فرکانسی ، آنتروپی جایگشت ، آنتروپی پراکندگی آنتروپی پراکندگی بر پایه نوسان و آنتروپی پراکندگی معکوس که معیارهای جدیدی در تشخیص دینامیک‌های سیگنال‌های حیاتی هستند از سیگنال eeg و پنج زیر باند فرکانسی آن استخراج شده است. ویژگی‌های آنتروپی پراکندگی آنتروپی پراکندگی بر پایه نوسان و آنتروپی پراکندگی معکوس برای اولین بار در این پژوهش برای تشخیص افسردگی بکار می‌رود. بهترین ویژگی‌ها با استفاده از روش کاهش ویژگی حداقل افزونگی حداکثر ارتباط به طبقه بند ماشین بردار پشتیبان داده می‌شود عملکرد طبقه بندی کننده ها با استفاده از اعتبار سنجی متقابل 5 برابری ارزیابی شد. نتایج نشان می‌دهد که این ویژگی‌ها می توانند گروه سالم از افسرده را با دقت %92 و گروههای افسردگی را با دقت %72 از یکدیگر جدا کند. از تحلیل نتایج به دست آمده می توان دریافت که افسردگی سیگنال‌های نواحی ،پیشانی آهیانه و گیجگاهی مغز را تحت تاثیر قرار می‌دهد. همچنین مشخص شد تاثیر افسردگی بر ویژگی‌های باند فرکانس بالا بیشتر می‌باشد از میان تمام ویژگی‌ها آنتروپی پراکندگی معکوس برای تشخیص شدت افسردگی و آنتروپی جایگشت برای تشخیص افسردگی نسبت به سایر ویژگی‌ها از عملکرد بهتری برخوردار است.