基于时频脑电图的抑郁症检测新方法：TFAGL 学术背景 抑郁症（Major Depressive Disorder, MDD）是一种全球范围内常见的精神疾病，其主要症状包括情绪低落、内疚感、自我评价过低，并伴随着兴趣丧失、生活热情减退以及睡眠或食欲紊乱等。根据世界卫生组织（WHO）的统计，全球有超过2.46亿人受到抑郁症的影响，其中约30-35%的重度抑郁症患者每年尝试自杀，导致约2-15%的自杀率。因此，抑郁症预计将在2024年成为导致残疾疾病的主要原因之一。 目前，抑郁症的临床诊断主要依赖于医患对话和问卷调查，诊断结果容易受到患者主观意识和医生专业水平的干扰，缺乏客观性。脑电图（Electroencephalography, EEG）技术能够记录大脑活动的变化，与人类脑活动密切相关，能够...

基于深度学习的运动想象EEG分类通过利用皮层源成像的功能连接 研究背景与动机 脑-机接口（BCI）是直接解码并输出脑活动信息的系统，无需依赖相关的神经通路和肌肉，从而实现外部设备的通信或控制。在BCI系统中，常用的信号包括脑电图（EEG）、脑磁图（MEG）和功能性磁共振成像（fMRI）。其中，EEG是最常用的信号，因为它具有非侵入性、易于实施、成本低和无伦理挑战等优点。 运动想象（Motor Imagery, MI）是BCI中的一个重要范式，在无刺激条件下，运动想象任务期间会自发地产生运动想象EEG信号（MI-EEG）。MI-EEG信号中可能嵌入了运动皮层在运动意图期间的神经活动模式表示，因此解码MI-EEG信号已成为热门研究课题，以通过BCI系统实现对外部设备的精神控制。 现有的MI-EE...