@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00219795,
 author = {鈴木, 圭 and 菅谷, みどり},
 book = {マルチメディア,分散,協調とモバイルシンポジウム2022論文集},
 month = {Jul},
 note = {近年,うつ病などの精神疾患の患者数が増加している.しかし,その診断方法は患者や臨床医の主観に依存するといった課題があり,この課題を解決するためには,客観的評価が可能な仕組みが求められる.そこで本研究では,この仕組みとして,機械学習を応用した客観的評価が可能な脳波データによるうつ病判別モデルを構築した.モデルは,パワースペクトルや左右非対称性,機能的結合度,非線形指標といった複数の脳波指標の内,特徴量選択手法により学習に有望と推定された指標を学習した.そして,うつ病患者と健康な人との 2 値分類を行うようにモデルは学習した.脳波データは公開されているデータが用いられた.また,複数の前処理が施されたうえで,複数種類の脳波指標が算出され,その脳波指標をモデルは学習した.モデルには LightGBM を用いた.モデルの精度評価には,交差検証として,同一人物のデータが訓練データとテストデータに含まれないように Stratified group k-fold cross-validation が実施された.また,うつ病の見逃しや誤検知などを統合的に評価できる精度指標 Macro F1 が利用された.その結果,精度 0.94 程度でモデルが健康な人とうつ病患者とを判別できた.また,電極 Pz から計測された脳波データの周波数帯 low gamma における非線形指標 Normalized Length Density が精度 0.83 と高く,有望なバイオマーカーであることが示唆された.},
 pages = {1597--1604},
 publisher = {情報処理学会},
 title = {公開データを利用した脳波による機械学習を応用したうつ病判別モデルの提案},
 volume = {2022},
 year = {2022}
}