基于脑电特征的焦虑障碍患者人群机器学习分类研究
冯廷炜1
任垒1
毋琳1
李丹阳2
杨伟3
张鹏1
王步遥4
王卉1
刘旭峰1
1.空军军医大学军事医学心理学系基础心理学教研室,陕西西安 7100322.新疆师范大学教育科学学院,新疆乌鲁木齐 8300543.西京学院心理咨询中心,陕西西安 7101234.北京中医药大学东方学院心理咨询中心,河北廊坊 061199
摘要：目的 探讨焦虑障碍患者在问卷作答、睁眼闭眼时的脑电(EEG)特征指标,为军队心理选拔及多质融合理论提供技术支持.方法 收集被试54人,分为焦虑障碍组(24人)和正常组(30人).通过对两组人群频域分析,发现功率谱密度(PSD)可以用于评估焦虑障碍患者的脑异常情况.结果 ①低频段两组人群PSD幅值差异显著,焦虑障碍组高于正常组.②在睁眼状态下全频段显著,且在alpha频段出现睁眼抑制效应.③通过机器学习的方法对人群进行分类,在识别率上多质融合指标比单一行为学指标提高了5％.结论 焦虑障碍组高危人群不满足诊断为焦虑障碍的标准,但在临床上易诱发为焦虑障碍,利用机器学习对EEG频域指标进行特征提取及人群分类,可以提高对焦虑障碍人群的识别力,在未来人员选拔与临床评估中具有前瞻意义.
关键词：焦虑障碍问卷作答脑电机器学习
分类号：R749.72(精神病学)B849(应用心理学)
资助基金：军队后勤科研重大项目(AKJWS221J001)空军装备综合研究重点项目(KJ2022A00415)
论文发表日期：2023-10-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 936-941 )
英文信息