[论文解读] EEG based Major Depressive disorder and Bipolar disorder detection using Neural Networks: A review

Sana Yasin, Syed Asad Hussain+4 more|arXiv (Cornell University)|Sep 28, 2020

Functional Brain Connectivity Studies参考文献 192被引用 203

一句话总结

对使用 EEG 的神经网络方法在检测重性抑郁障碍和双相情感障碍方面的全面综述，概述了架构、生物标志物、数据集和建议。

ABSTRACT

Mental disorders represent critical public health challenges as they are leading contributors to the global burden of disease and intensely influence social and financial welfare of individuals. The present comprehensive review concentrate on the two mental disorders: Major depressive Disorder (MDD) and Bipolar Disorder (BD) with noteworthy publications during the last ten years. There is a big need nowadays for phenotypic characterization of psychiatric disorders with biomarkers. Electroencephalography (EEG) signals could offer a rich signature for MDD and BD and then they could improve understanding of pathophysiological mechanisms underling these mental disorders. In this review, we focus on the literature works adopting neural networks fed by EEG signals. Among those studies using EEG and neural networks, we have discussed a variety of EEG based protocols, biomarkers and public datasets for depression and bipolar disorder detection. We conclude with a discussion and valuable recommendations that will help to improve the reliability of developed models and for more accurate and more deterministic computational intelligence based systems in psychiatry. This review will prove to be a structured and valuable initial point for the researchers working on depression and bipolar disorders recognition by using EEG signals.

研究动机与目标

• 对自 2010 年至 2020 年使用神经网络进行基于 EEG 的 MDD 和 BD 检测的文献进行综述与综合。
• 总结用于 NN 基于抑郁和双相情障碍识别的 EEG 协议、特征、生物标志物以及公共数据集。
• 比较本领域中的浅层与深度神经网络方法。
• 提供提高精神病学领域模型的可靠性和确定性方面的指南和建议。

提出的方法

• 基于 PRISMA 原则对多个数据库进行系统文献检索。
• 纳入标准聚焦于基于 EEG 的抑郁评估，使用人工神经网络。
• 提取并综合研究设计、NN 架构、EEG 特征、数据集及报告的结果。
• 讨论在 EEG/NN 基于精神病学中的局限性、挑战及未来研究方向。
• 考虑临床相关性及与 EEG 信号相关的潜在生物标志物。

实验结果

研究问题

• RQ1 已应用于基于 EEG 的 MDD 和 BD 检测的神经网络架构有哪些（浅层与深度）？
• RQ2 在基于 NN 的抑郁与双相情感障碍识别中，哪些 EEG 协议、特征和生物标志物最常被使用？
• RQ3 有哪些可用于基于 EEG 的 MDD 与 BD 研究的公共数据集？它们是如何被利用的？
• RQ4 当前 EEG/NN 方法的主要局限性有哪些，哪些建议可以提高可靠性和确定性？

主要发现

• 提供了对在 MDD 与 BD 检测中结合 EEG 使用的浅层和深度神经网络的全面综述。
• 讨论文献中使用的 EEG 生物标志物、特征提取方法和实验协议。
• 总结了可用的基于 EEG 的数据集及其在模型开发与评估中的作用。
• 强调在精神科应用中提高模型可靠性的方法学挑战、局限性与指导意见。
• 将本综述定位为研究者在用 EEG 信号进行抑郁与双相障碍识别方面的结构化起点。