摘要：帕金森病（Parkinson’s Disease, PD）是一种常见的神经退行性疾病，患者常伴有抑郁症状，但临床上两者的症状具有相似性， 难以准确区分。本研究提出了一种基于脑电信号（Electroencephalogram, EEG）分析的PD抑郁症自动检测方法。该方法采用线性预测编码（Linear Predictive Coding, LPC）技术提取EEG信号的频谱特征，并利用马氏距离分类器进行分类识别。

论文概述

研究采用标准的信号预处理流程，包括Z-score归一化、高通滤波（0.5 Hz）去除直流漂移、低通滤波（45 Hz）去除高频噪声、以及陷波滤波（60 Hz）消除电源线干扰。通过Welch方法估计功率谱密度，并提取154阶LPC系数作为特征向量 。马氏距离分类器考虑了特征间的协方差关系，相比传统欧氏距离方法更适合高维生理信号分类。

基于115个样本的实验结果表明，该方法在训练集上达到约95%的分类准确率，10折交叉验证准确率为85%±5%，灵敏度为82%±6%，特异度为88%±7%，AUC值约为0.85。实验结果证明，基于EEG信号的LPC特征结合马氏距离分类器能够有效区分帕金森病患者和抑郁症患者，为临床辅助诊断提供了一种客观、无创的技术手段。

本研究开发了完整的实验系统，包括信号预处理、特征提取、模型训练、性能评估和结果可视化等模块，代码结构清晰，具有良好的可扩展性和实用价值。

统计信息

论文目录

配套项目

项目代码：基于MATLAB脑电信号的帕金森病抑郁症检测研究 需要另外购买。

作者信息

作者：Bob (张家梁)
论文编号：Doc-42
原创声明：本项目为原创作品

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。

版权声明：本站除特别标注外的所有源码与资料均为原创，受《中华人民共和国著作权法》等相关法律保护。未经本站事先书面许可，任何个人或机构不得以复制、转载、爬取、汇编、改写、引用等方式使用本站内容，不得将本站内容发布或用于任何形式的商业活动。对未经授权使用本站内容的行为，本站保留追究法律责任的权利，包括但不限于要求删除、赔偿、诉讼等。如认为本站内容侵犯其合法权益，请提供权属证明并联系我们，我们将在核实后依法及时处理。