近期，我院计算机科学与技术专业大四本科生洪丹琦以第一作者身份向international conference of the ieee engineering in medicine and biology society (ieee embc 2021) 投稿的会议文章被接收，论文标题为 ‘eeg-based major depressive disorder detection using data mining techniques’。研究成果在特聘研究员樊小毛指导下完成，樊小毛老师为通讯作者，华南师范大学为第一完成单位。
抑郁症是一种常见的精神疾病，其特点是持续的情绪低落、悲伤、疲劳、绝望等感觉，严重的抑郁症甚至会导致患者的自杀行为。目前常用的检测抑郁症的方式为专业医疗人员根据hamd-17量表检测患病情况，但该种检测方法需要专业人士进行，医疗资源匮乏的地区难以实施。
图1 模型效果和特征数量之间的关系
图2 构建新特征ar和ir的方法，其中aβ和aα分别为β和α频段的脑电信号振幅指数，iβ和iα为β和α频段的脑电信号节律指数
在论文中，我们基于从患者的脑电信号中提取的脑电信号特征，构建了两种新的脑电信号特征。采用逻辑斯蒂回归（lr）和支持向量机（svm）两种广泛使用的机器学习算法，并对输入的特征进行了筛选，来根据患者的脑电信号、性别和年龄信息，预测出患者的hamd-17分数，以判断被检测者是否患有抑郁症。实验结果表明，我们提出的分类方法，最佳预测效果达到了f1 值为0.92的结果。该方法可以应用于医疗信息系统，以预测患者的患病情况并帮助患者尽早检出病症，以尽快对病症进行干预治疗。
图3 洪丹琦同学
洪丹琦同学自大三以来积极参加科研活动与学习活动，她的研究兴趣主要为数据挖掘技术。在学习活动之余，她的兴趣爱好有游泳、健身等。