A Systematic Review of EEG-based Machine Intelligence Algorithms for Depression Diagnosis, and Monitoring

要約

うつ病障害は、世界中の何百万人もの人々の生活に影響を与えた深刻な健康状態です。
うつ病の診断は、主観的な研究に大きく依存している挑戦的な実践であり、ほとんどの場合、遅い発見に苦しんでいます。
脳波（EEG）バイオマーカーが提案され、潜在的な変革的客観的実践として調査されています。
この記事では、EEGベースのうつ病診断アプローチの詳細な系統的レビューを初めて、高度な機械学習技術と統計分析を使用して実施します。
このため、938の潜在的に関連する記事（1985年以降）が最初に検出され、レビュースキーム「系統的レビューおよびメタ分析（PRISMA）のための優先レポート項目」に基づいて139の関連記事にフィルタリングされました。
この記事では、選択した記事を比較および説明し、機械学習技術の種類と統計分析に従って分類します。
アルゴリズム、前処理手法、抽出された機能、およびデータ収集システムについて説明し、要約します。
このレビューペーパーでは、現在のアルゴリズムの既存の課題について説明し、フィールドの将来の方向に光を当てます。
この系統的レビューは、将来の研究や将来のウェアラブル技術で対処できるEEGうつ病の診断のためのマシンインテリジェンスの問題と課題の概要を示しています。

要約(オリジナル)

Depression disorder is a serious health condition that has affected the lives of millions of people around the world. Diagnosis of depression is a challenging practice that relies heavily on subjective studies and, in most cases, suffers from late findings. Electroencephalography (EEG) biomarkers have been suggested and investigated in recent years as a potential transformative objective practice. In this article, for the first time, a detailed systematic review of EEG-based depression diagnosis approaches is conducted using advanced machine learning techniques and statistical analyses. For this, 938 potentially relevant articles (since 1985) were initially detected and filtered into 139 relevant articles based on the review scheme ‘preferred reporting items for systematic reviews and meta-analyses (PRISMA).’ This article compares and discusses the selected articles and categorizes them according to the type of machine learning techniques and statistical analyses. Algorithms, preprocessing techniques, extracted features, and data acquisition systems are discussed and summarized. This review paper explains the existing challenges of the current algorithms and sheds light on the future direction of the field. This systematic review outlines the issues and challenges in machine intelligence for the diagnosis of EEG depression that can be addressed in future studies and possibly in future wearable technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google