@techreport{oai:ipsj.ixsq.nii.ac.jp:00239537,
 author = {井上, 健一 and 鈴木, 圭 and 菅谷, みどり},
 issue = {38},
 month = {Sep},
 note = {近年，鬱病の診断における客観的かつ精度の高い診断支援のために脳波を用いた機械学習による手法が数多く研究されている．従来の研究では健常と鬱の 2 値分類を目的とした機械学習手法が提案されている．しかし，2 値分類では考慮できていない課題がある．例えば，鬱病でも，軽度と重度では自殺のリスクが異なるなどの課題があることから，鬱病の重症度による分類も考慮が必要であるがこうした手法は十分検討されていない．そこで，本研究では脳波を用いた機械学習によるうつ病の重症度レベル分類を目的に，特徴量選択による機械学習モデルの構築を提案する．実現のために，脳波データセットを用いた機械学習による鬱病の重症度レベル分類モデルの構築を行い，分析データとして 116 人の脳波のオープンデータセットを用いた検証を行った．データセットにおける鬱病の重症度は，健常，軽度，中等度，重度の 4 つとし，特徴量選択手法を用いて統計的に有用性の高いものを選択して用いた．ランダムフォレストを用いて鬱病の重症度である健常，軽度，中等度，重度の 4 クラス分類を行った結果，分類精度が 62.9% という結果が得られた．},
 title = {脳波を用いた機械学習によるうつ病の重症度レベル分類モデルの検討},
 year = {2024}
}