Краткое содержание

arXiv:2511.11651v1 Тип объявления: новый Аннотация: Как критически важное психическое расстройство, депрессия оказывает серьезное воздействие как на физическое, так и на психическое благополучие человека. Последние достижения в области анализа депрессии на основе ЭЭГ показали перспективность в повышении точности ее выявления. Однако признаки ЭЭГ часто содержат избыточную, нерелевантную и зашумленную информацию. Кроме того, сбор данных ЭЭГ в реальных условиях часто сталкивается с проблемами, такими как потеря данных из-за отсоединения электродов и сильные шумовые помехи. Для решения этих задач мы предлагаем новый подход к отбору признаков для робастного анализа депрессии, названный «Отбор признаков депрессии по неполным данным с отсутствующими каналами ЭЭГ» (IDFS-MEC). IDFS-MEC интегрирует информацию индикаторов отсутствующих каналов и обучение с адаптивным взвешиванием каналов в ортогональную регрессию, чтобы уменьшить влияние неполных каналов на построение модели, а затем использует обучение с минимизацией глобальной избыточности для сокращения избыточной информации среди отобранных признаков.