《基于混合特征选择算法的抑郁症分类方法》

技术简介：

使用尽可能少的特征进行快速而准确地诊断抑郁病症在临床应用中十分重要，然而单一传统特征选择算法仅保留特征的一种特性而忽略其他特性。针对这种情况，提出以混合特征算法联合遗传算法来选择分类特征集。利用信号间的相位锁定构建了五个频段下两组被试的脑功能连接矩阵，并根据t检验的结果，将具有显著差异(p<0.05)的连接值作为特征。面对高维特征，提出使用基于互信息的二次规划特征选择和费舍尔分数对所有特征分别进行排序，并将二者的前100个特征进行交集或者并集的包装处理。通过遗传算法进一步选择最优子集进行分类。实验结果表明，该分类法不仅将特征数目降维了90%以上，还拥有最高的分类精度，达到96.8%。

研发人员：王玥;沈潇童;王苏弘;陈芋圻;邹凌;