[論文レビュー] Depression Detection using Resting State Three-channel EEG Signal

Qiuxia Shi, Ang Liu+4 more|arXiv (Cornell University)|Feb 21, 2020

EEG and Brain-Computer Interfaces参考文献 34被引用数 11

ひとこと要約

本研究では、安静状態下の3チャネルEEG信号（Fp1、Fpz、Fp2）を用いて、低コストで患者に優しい早期うつ病の検出手法を提案する。6つの特徴量（線形特徴3つ：最大値、平均値、中心周波数パワー、非線形特徴3つ：相関次元、Rényiエントロピー、C0複雑性）を抽出し、1人を除いた交差検証を適用することで、薬物療法を受けていないうつ病患者と健常対照群を区別する分類精度が72.25％に達した。

ABSTRACT

In universal environment, a patient-friendly inexpensive method is needed to realize the early diagnosis of depression, which is believed to be an effective way to reduce the mortality of depression. The purpose of this study is only to collect EEG signal from three electrodes Fp1, Fpz and Fp2, then the linear and nonlinear features of EEG used to classify depression patients and healthy controls. The EEG recordings were carried out on a group of 18 medication-free depressive patients and 25 gender and age matched controls. In this paper, the selected features include three linear (maximum, mean and center values of the power) and three nonlinear features (correlation dimension, Renyi entropy and C0 complexity). The accuracy and effectiveness of classification model between depressive and control subjects were calculated using leave-one-out cross-validation. The experimental results indicate that selected three channel EEG and features can distinguish the subjects between depression and normal beings, the classification accuracy is 72.25%. It is hoped that the performed results can provide more choices for the early diagnosis of depression in a universal environment.

研究の動機と目的

• 普遍的な臨床環境での早期うつ病検出のための低コストで非侵襲的な手法の開発。
• Fp1、Fpz、Fp2の最小限のEEGチャネル構成が、うつ病患者と健常対照群を区別する能力を評価すること。
• 安静状態下のEEG信号から抽出した線形および非線形特徴量の組み合わせが、うつ病分類にどの程度有効であるかを評価すること。
• 薬物の影響を避けることができ、うつ病関連死亡率を低減できる実用的で患者に優しい診断ツールの提供。

提案手法

• 18名の薬物療法を受けていないうつ病患者と、年齢・性別が一致する25名の健常対照群から、頭皮電極Fp1、Fpz、Fp2を用いてEEG信号を記録した。
• 線形特徴量は、EEG信号のパワースペクトル密度の最大値、平均値、中心値を計算した。
• 非線形特徴量には、相関次元、Rényiエントロピー、C0複雑性を含め、EEG信号の動的および構造的特性を捉えた。
• 特徴量セットの分類性能を評価するために、1人を除いた交差検証戦略を採用した。
• 機械学習分類器を、特徴量の組み合わせに学習させ、訓練中に各被験者を1人ずつ除外してテストした。
• 最終モデルの精度は、各被験者が訓練時に除外された際の分類結果に基づいて計算された。

実験結果

リサーチクエスチョン

• RQ1 3チャネルEEGシステム（Fp1、Fpz、Fp2）は、うつ病患者と健常対照群を効果的に区別できるか？
• RQ2 安静状態下のEEG信号から抽出した線形および非線形特徴量のどの組み合わせが、うつ病検出において最高の分類精度を達成するか？
• RQ3 最小限のチャネル数EEGシステムは、より複雑なマルチチャネルシステムと比較して、うつ病分類でどの程度の性能を示すか？
• RQ4 相関次元やRényiエントロピーのような非線形ダイナミクス特徴量は、検出感度をどの程度向上させるか？

主な発見

• 提案手法は、Fp1、Fpz、Fp2の3つのEEGチャネルのみを用いて、薬物療法を受けていないうつ病患者と健常対照群を区別する分類精度72.25％を達成した。
• 3つの線形特徴量と3つの非線形特徴量の組み合わせは、信頼性の高いうつ病分類に十分な識別力を示した。
• 相関次元やRényiエントロピーのような非線形特徴量の使用は、脳活動の微細な違いを検出するモデルの能力に有意義な寄与をした。
• 1人を除いた交差検証アプローチにより、特徴量セットの堅牢性およびモデルの汎化能力が確認された。
• Fp1、Fpz、Fp2電極を備えた最小限のEEGシステムが、早期うつ病スクリーニングのための実用的で低コストなツールとして有効であることが示唆された。
• 本研究は、限定的な空間的カバレッジであっても、安静状態下のEEG信号にうつ病の測定可能な神経生理学的マーカーが存在することを確認した。