当今社会生活和工作压力日益增大,以抑郁为代表的心理障碍疾病发病率不断升高,给社会和家庭带来了沉重的负担。但是由于抑郁障碍疾病表象不明显,且与其他疾病症状交叉,再加上现有诊断方式受医生经验的主观性和差异性影响显著,导致很难对抑郁障碍患者进行客观有效的识别和检测,进而阻碍了对疾病的早期干预。脑电图(Electroencephalogram,EEG)能直观地反映人体大脑的功能结构和中枢神经的活动状态,尤其是事件相关电位(Event-related Potentials,ERP)这类由刺激诱发的电信号更能够反映大脑特定的认知活动,因此可以用来构建区分抑郁障碍患者和健康人群的客观生物标记物。ERP信号的时空域都包含着丰富的信息,而目前的大多数方法都只从单一维度进行分析,缺少对两个维度信息的综合考量。针对以上问题,本文引入了时空滤波方法对ERP信号进行分析,进而根据其信号时空特性构建了基于时空线性判别分析(Spatio-Diagnostic biomarkertemporal Linear Discriminant Analysis,STLDA)的分类识别模型以用于抑郁障碍患者的有效检测。本文的主要研究工作包括:(1)抑郁障碍患者ERP信号的时空域特性深度分析。为了探究抑郁障碍患者的ERP信号在头皮电极位置上的空间分布特性以及在时域上的锁时锁相特性,本文首先利用试次叠加之后的信号,绘制不同电极整个时间段的EEG波形图,并对某一特定时间段的信号在时间维度上进行平均以绘制头皮地形图,定性地分析了不同电极位置上ERP信号的空间分布特性;进一步,结合重复测量方差分析来量化地评估抑郁障碍患者与健康人群的ERP信号存在显著差异的头皮电极分布位置。同时,本文通过Neuro RA Decoding方法从时间维度探究两类人群在受到同样的刺激后大脑编码模式的差异,以确定ERP信号时间维度上更加可分的区域。本文基于两个抑郁障碍相关的ERP公开数据集开展分析实验,分别为:1)Depression RL数据集,其通过概率学习任务诱发被试的Rew-P成分;2)Malaysia数据集,其通过视觉Oddball刺激诱发被试的P300成分。结果表明:在两个数据集上,抑郁障碍患者和健康人群在前额叶区域的ERP信号有较为显著的差异,且都会在刺激后300ms左右出现极性反转的ERP成分。时间维度上,除了以往研究考量的300ms区域,Depression RL数据集在刺激后450ms、700ms左右的ERProtein Tyrosine Kinase抑制剂P信号也包含着有助于分类的信息,Malaysia数据集在刺激后450ms、650ms、850ms左右的ERP信号也都有更好的可selleckchem LY294002分性。因此,本文证明了ERP在时空维度均包含有丰富的信息,为进一步构建基于信号时空特性的抑郁障碍识别模型奠定了基础。(2)针对抑郁障碍患者与健康人群在ERP信号时空域所存在的显著差异这一分析结论,构建了基于时空线性判别分析方法的抑郁障碍识别模型。基于EEG数据原有的矩阵形式,本文在空间维度和时间维度上分别构建投影矩阵来学习ERP信号的时空模式,并将空域投影矩阵和时域投影矩阵的优化合并在同一个优化目标中。通过对两个投影矩阵的联合迭代优化得到最优的空域投影矩阵和时域投影矩阵,使得投影降维后的数据有着更高的可分性。最后得到降维后训练数据的类别中心,利用最小距离法(Minimum Distance to Means,MDM)判别新的数据,以有效识别抑郁障碍患者。(3)抑郁障碍分类识别实验结果表明:与LDA、Shrinkage LDA(SKLDA)、Stepwise LDA(SWLDA)相比,STLDA方法有着更好的性能,在Depression RL数据集上,STLDA的平衡准确率和F1分数为58.15%和50.05%,分别提高了2.0%-3.8%和5.2%-10.8%,在Malaysia数据集上,STLDA的准确率和F1分数为81.30%和84.55%,分别提高了1.6%-3.4%和1.8%-4.0%。通过与试次叠加后的实验结果相对比,STLDA在单试次的情况下性能的下降更少。消融实验的结果也表明,结合时域空域的STLDA方法比单纯从空域或时域应用矩阵LDA的结果要好,证明了STLDA能够综合考虑到两个维度之间的联系。通过投影矩阵的可视化展示和分析,进一步证明了导联或时间点所获权重与其所含的类别可分性信息之间的相关性,结果表明抑郁障碍患者和健康人群在前额叶区域的ERP信号存在显著差异,并且在300ms以外的时间区域也有着更好的可分性。综上所述,STLDA方法能够综合考虑到ERP信号在时间维度和空间维度上的信息,并联合优化得到最佳的空域、时域投影矩阵,使得降维后的数据有着更好的可分性,从而构建出更具解释性和更为稳定的抑郁障碍识别模型。