基于眼动、脑电数据的抑郁人群识别研究

发布时间：2024-01-20 09:58

　　随着社会的发展,心理疾病尤其是抑郁症越来越多地涌现出来,严重影响着人们的身心健康,对个人和社会造成极为不良的影响。因此,抑郁症的早期发现,即在轻度抑郁阶段的早期识别,对于抑郁症的预防和治疗显得尤为重要。目前,眼动研究和脑电信号研究日益发展,并越来越多地应用于心理学研究和医学疾病研究领域中。眼动是人的可反映内心活动的外在表现,而脑电信号是客观的生理信号,能够相对真实地反映人的认知活动。抑郁人群分布的年龄段较为广泛,且针对不同年龄段、不同教育背景等的人群,相应研究方法会有所不同,故本文仅选择大学生群体中的轻度抑郁者进行研究。本文将眼动跟踪技术与脑电信号采集技术结合起来,设计了三个实验范式来研究轻度抑郁大学生和正常大学生之间的差异。通过同步采集眼动数据和脑电数据,结合数据挖掘分类算法,进行轻度抑郁人群的识别研究。同时,通过对分类结果的整理分析,寻找具有相对高的分类准确率和分类效果较为稳定的分类算法。对兰州大学大一、大二所有学生经过贝克抑郁量表(BDI)筛选之后,28位大学生作为被试参加实验,其中包含一定比例的轻度抑郁被试。采集数据后,舍弃无效数据,最后使用22位被试的实验数据进行数据分析。首...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 选题背景
        1.1.1 抑郁症及其危害
        1.1.2 眼动研究简介
        1.1.3 脑电信号相关知识介绍
        1.1.4 数据挖掘分类算法简介
    1.2 研究目的和意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 相关研究现状
        1.3.1 眼动研究现状
        1.3.2 脑电研究现状
    1.4 本文的研究工作和结构安排
        1.4.1 研究工作
        1.4.2 结构安排
第二章 实验设计与数据采集
    2.1 实验设计
        2.1.1 被试选择
        2.1.2 实验范式
        2.1.3 实验步骤
    2.2 实验仪器和分析软件
        2.2.1 眼动仪
        2.2.2 EGI设备
        2.2.3 眼动仪与EGI设备的同步连接
        2.2.4 分析软件
    2.3 数据采集和数据筛选
        2.3.1 数据采集
        2.3.2 数据筛选
第三章 基于眼动数据的抑郁人群识别
    3.1 数据预处理
    3.2 基于文字范式的眼动数据处理和分析
        3.2.1 眼动数据分类
        3.2.2 区分训练集和测试集的眼动数据分类
    3.3 基于图片范式的眼动数据处理和分析
        3.3.1 眼动数据分类
        3.3.2 区分训练集和测试集的眼动数据分类
    3.4 基于平滑跟踪范式的数据分析
        3.4.1 字母识别结果统计分析
        3.4.2 字母识别结合眼动数据的分类
    3.5 眼动数据处理和分析小结
第四章 基于眼动、脑电数据的抑郁人群识别
    4.1 基于脑电数据的轻度抑郁人群识别
        4.1.1 数据预处理
        4.1.2 脑电数据分类
        4.1.3 区分训练集和测试集的脑电数据分类
    4.2 基于眼动特征与脑电数据结合的轻度抑郁人群识别
        4.2.1 数据预处理
        4.2.2 区分训练集和测试集的眼动脑电结合数据分类
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
在学期间的研究成果
致谢



本文编号：3880636