关于我们

我们在做什么

我们希望探索一件事：能否用头皮脑电（EEG）区分抑郁症患者与健康对照。 第一步，我们建立了一条尽量规范的基线流程；第二步，我们开始检查"这个结果到底可不可信"。

第二条比第一条更重要。在核查原始文件的头部信息时，我们发现两组数据的采集时间几乎完全错开， 这意味着模型学到的东西无法与"采集批次差异"区分开。我们把这件事完整地记录了下来。

技术路线概览

• 预处理：MNE（通道归一化 → 坏通道插值 → 0.5–45 Hz 带通 + 50 Hz 陷波 → 平均参考 → ICA + ICLabel → 2 秒分段 → 坏段剔除）
• 特征：Welch 功率谱 → 5 个频带平均功率 → 取 log10 → 19 通道 × 5 频带 = 95 维
• 模型：标准化 + RBF 核 SVM，三个条件（EC / EO / TASK）各训一个，被试级概率融合
• 评估：按被试分组的 5 折交叉验证，MD5 内容去重防泄漏，bootstrap 置信区间 + 置换检验
• 下一步：端到端深度学习 → 双向 Mamba

团队

• 指导教师：（待填写）
• 项目成员：（待填写）

数据集与致谢

本研究使用公开脑电数据集 HUSM_EEG：181 个 EDF 文件、64 名被试、 19 个标准 10-20 电极、采样率 256 Hz，包含闭眼静息（EC）、睁眼静息（EO）与认知任务（TASK）三种条件。

感谢数据采集者与公开者。数据的使用遵循其原始许可条款。