[논문 리뷰] Depression Detection using Resting State Three-channel EEG Signal

Qiuxia Shi, Ang Liu외 4명|arXiv (Cornell University)|2020. 02. 21.

EEG and Brain-Computer Interfaces참고 문헌 34인용 수 11

한 줄 요약

이 연구는 Fp1, Fpz, Fp2의 세 개의 휴식 상태 뇌전도 신호를 사용하여 저비용이며 환자에게 친화적인 조기 우울증 검출 방법을 제안한다. 6개의 특징(선형 특징 3개: 최대값, 평균값, 중심 파wer, 비선형 특징 3개: 상관 차원, Renyi 엔트로피, C0 복잡성)을 추출하고 이가 포함된 유사한 교차검증 전략을 적용하여, 약물 치료를 받지 않은 우울증 환자와 건강한 대조군을 구분하는 데 72.25%의 분류 정확도를 달성하였다.

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.

연구 동기 및 목표

• 보편적인 임상 환경에서 저비용이며 비침습적인 조기 우울증 검출 방법을 개발하기 위해.
• Fp1, Fpz, Fp2의 최소한의 뇌전도 채널 구성이 우울증 환자와 건강한 대조군을 구분하는 데 얼마나 효과적인지 평가하기 위해.
• 휴식 상태 뇌전도 신호에서 추출한 선형 및 비선형 특징의 조합이 우울증 분류에 얼마나 효과적인지 평가하기 위해.
• 약물의 영향을 배제하고 우울증 관련 사망률을 감소시키는 실용적이고 환자에게 친화적인 진단 도구를 제공하기 위해.

제안 방법

• 18명의 약물 치료를 받지 않은 우울증 환자와 연령 및 성별이 매칭된 25명의 건강한 대조군으로부터 Fp1, Fpz, Fp2의 세 개의 두피 전극을 사용하여 뇌전도 신호를 기록하였다.
• 선형 특징은 뇌전도 신호의 전력 스펙트럼 밀도의 최대값, 평균값 및 중심값으로 계산되었다.
• 비선형 특징으로는 상관 차원, Renyi 엔트로피, C0 복잡성이 포함되어 뇌전도 신호의 동적 및 구조적 특성을 반영하였다.
• 특징 집합의 분류 성능를 평가하기 위해 유사한 교차검증 전략을 적용하였다.
• 기계학습 분류기가 특징 집합을 기반으로 훈련 및 테스트되어 우울증 환자와 대조군을 구분하도록 구성되었다.
• 최종 모델의 정확도는 각 주어진 환자가 훈련 중에 제외된 경우의 분류 결과를 기반으로 계산되었다.

실험 결과

연구 질문

• RQ1 Fp1, Fpz, Fp2의 세 개의 뇌전도 채널 설정이 우울증 환자와 건강한 대조군을 효과적으로 구분할 수 있는가?
• RQ2 휴식 상태 뇌전도 신호에서 추출한 선형 및 비선형 특징의 어떤 조합이 우울증 검출에서 가장 높은 분류 정확도를 제공하는가?
• RQ3 최소한의 채널 뇌전도 시스템의 성능이 더 복잡한 다중채널 설정과 비교하여 어떻게 다른가?
• RQ4 상관 차원 및 Renyi 엔트로피와 같은 비선형 역학 특징이 검출 민감도를 얼마나 향상시키는가?

주요 결과

• 제안된 방법은 단지 세 개의 뇌전도 채널을 사용하여 약물 치료를 받지 않은 우울증 환자와 건강한 대조군을 72.25%의 분류 정확도로 구분하였다.
• 세 개의 선형 특징과 세 개의 비선형 특징 조합이 신뢰할 수 있는 우울증 분류에 충분한 분류 능력을 보였다.
• 상관 차원 및 Renyi 엔트로피와 같은 비선형 특징의 사용이 뇌 기능 활동의 미세한 차이를 탐지하는 데 모델의 능력에 기여하였다.
• 유사한 교차검증 전략을 통해 특징 집합의 안정성과 모델의 일반화 능력이 확인되었다.
• 결과적으로 Fp1, Fpz, Fp2 전극을 갖춘 최소한의 뇌전도 설정이 조기 우울증 스크리닝을 위한 실현 가능하고 저비용 도구가 될 수 있음을 시사한다.
• 이 연구는 제한된 공간 커버리지가 있더라도 휴식 상태 뇌전도 신호가 우울증의 측정 가능한 신경생리학적 지표를 포함하고 있음을 확인하였다.