使用脑电图功能自动诊断酒精使用障碍

酒精使用障碍(AUD)被认为是世界范围内的主要健康和社会问题。 更重要的是,由于自测报告的主观性,对AUD患者的筛查一直具有挑战性。 涉及神经影像学方法的自动化方法,例如定量脑电图(QEEG),已显示出令人鼓舞的研究成果。 但是,QEEG方法仅针对酒精依赖者(AD)和对照者而开发。 因此,本研究试图提出一种机器学习(ML)方法,以对1)酗酒者和健康对照者以及2)健康对照者,酗酒者和酗酒者进行分类。 拟议的ML方法涉及QEEG特征提取,最相关特征的选择以及研究参与者的相关组分类。 招募了12名酗酒者(平均年龄56.70±15.33岁),18名酗酒者(平均年龄46.80±9.29岁)和15名健康对照者(平均42.67±15.90岁)作为研究对象,以获取EEG数据。 在闭眼(EC)和睁眼(EO)条件下的10分钟内记录数据。 此外,还从EEG数据中提取了QEEG功能,例如绝对功率(AP)和相对功率(RP)。 利用t检验和主成分分析(PCA)等方法选择最相关的QEEG功能。 最后,将判别式QEEG功能用作分类模型的输入:线性判别分析(LDA),支持向量机(SVM),多层反向传播网络(MLP)和L