脑电信号在抑郁和焦虑障碍识别中的应用

作     者：荆舒 戴振威 苏小游 Jing Shu;Dai Zhenwei;Su Xiaoyou

作者机构：中国医学科学院北京协和医学院群医学及公共卫生学院北京100010 北京大学第六医院北京大学精神卫生研究所国家卫生健康委员会精神卫生学重点实验室(北京大学)国家精神心理疾病临床医学研究中心(北京大学第六医院)北京100080 

出 版 物：《中华行为医学与脑科学杂志》 (Chinese Journal of Behavioral Medicine and Brain Science)

年 卷 期：2025年第34卷第1期

页      面：89-94页

学科分类：0711[理学-系统科学] 1002[医学-临床医学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 100205[医学-精神病与精神卫生学] 10[医学] 

基　　金：中国医学科学院医学与健康科技创新工程项目(CAMS 2021-I2M-1-004) 

主　　题：脑电图 抑郁障碍 焦虑障碍 机器学习 

摘      要：抑郁和焦虑是最常见的两类精神障碍,会对个体及社会造成严重的负面影响,早期、准确地识别抑郁和焦虑障碍对患者的症状控制和预后具有重要意义。传统的识别方式,如量表筛查、访谈等均依赖于患者的自我回答及精神科医生的综合判断,存在主观性、依赖于医疗资源可及性和便利性等固有局限,因此寻找客观手段辅助抑郁和焦虑障碍的识别已成为近年来的研究重点。脑电信号是对头皮表面电势差变化的描述,具有客观、量化、时间分辨率高等优势。脑电信号已成为当前识别抑郁和焦虑障碍的潜在客观指标之一。机器学习算法是提取脑电信号特征、提高识别准确率的关键技术,基于EEG和机器学习算法的自动化诊断有望成为抑郁和焦虑障碍识别的新手段。此外,便携式脑电采集为快速识别精神障碍和开展大规模筛查行动提供了可能。本文综述了脑电信号在抑郁和焦虑障碍识别中的应用情况,供相关领域学者参考和借鉴,以期推动我国精神障碍识别的客观化、可视化发展。