単一チャネルEEG信号からのエントロピーに基づくマトリックスを使用した軽量な多重精神障害検出法

背景：メンタルヘルス問題は世界的にますます顕著になっており、患者に重大な脅威を与え、家族や社会関係に深い影響を及ぼしています。従来の診断方法は主観的で遅延があり、客観的で効果的な早期診断法の必要性を示しています。方法：この目的のために、本論文では、データソースが少ない多重精神障害の軽量検出方法を提案し、診断手順の向上と早期患者検出を目指します。まず、提案された方法は、脳波（EEG）信号をソースとして取り用い、離散ウェーブレット分解（DWT）を通じて脳リズムを取得し、それらの近似エントロピー、ファジーエントロピー、置換エントロピー、およびサンプルエントロピーを抽出してエントロピーに基づくマトリックスを構築します。次に、サポートベクターマシン（SVM）、k-最近傍法（kNN）、ナイーブベイズ（NB）、一般化加法モデル（GAM）、線形判別分析（LDA）、および決定木（DT）を含む6種類の従来の機械学習分類器をエントロピーに基づくマトリックスに採用し、検出タスクを達成します。これらの性能は、精度、感度、特異度、およびF1スコアによって評価されます。これらの実験に関して、統合失調症、てんかん、うつ病の3つの公開データセットが手法検証に使用されます。結果：これらのデータセットからの結果の分析は、代表的な単一チャネル信号（統合失調症：O1、てんかん：F3、うつ病：O2）を特定し、最小限の入力で満足な分類精度（それぞれ88.10%、75.47%、および89.92%）を達成します。結論：データソースが少ないという懸念を考慮に入れると、このような性能は印象的であり、EEGにおけるエントロピー特徴の解釈可能性も向上し、多重精神障害の信頼できる検出手法を提供し、それらの基礎的なメカニズムおよび病理学的状態に対する洞察を進めることができます。