一种基于EN-DSD脑电通道选择的抑郁症自动检测方法

为解决高密度脑电(EEG)在抑郁症(DP)检测中通道冗余和计算复杂度高的问题，本发明公开了一种基于弹性网络(EN)的双稀疏字典(EN‑DSD)脑电通道选择的抑郁症自动检测方法，为获得纯净的EEG数据，重构各通道EEG信号，计算其多尺度排列熵(MSPE)，进而生成全通道EEG的MSPE矩阵；结合基字典和学习字典构建稀疏字典，其中基字典为两个离散余弦变换(DCT)矩阵的Kronecker乘积，学习字典由MSPE矩阵经稀疏K‑SVD算法优化迭代生成，通过基字典与学习字典的乘积得到稀疏字典D；接着，基于EN‑DSD与稀疏系数矩阵X，依据通道稀疏度选择稀疏度较高的通道作为关键EEG通道；使用所选通道基于相位延迟指数(PLI)构建BFN，通过分析DP患者的BFN拓扑异常改变，探索DP检测的潜在标志物，实现高准确率的DP检测。