Эффективность сверточных нейронных сетей различной архитектуры для задачи диагностики депрессии по данным ЭЭГ

Цель настоящей работы - сравнительный анализ эффективности использования искусственных нейронных сетей с различными сверточными и рекуррентными архитектурами в задаче диагностики депрессии на основе данных электроэнцефалограмм (ЭЭГ). В качестве объектов исследования выбраны открытые наборы данных и выполнен сбор собственных данных ЭЭГ реальных пациентов с депрессией. Методы. Для решения задачи выявления биомаркеров депрессивного расстройства по данных ЭЭГ использовались сверточные нейронные сети, использующие двумерную или одномерную операцию свертки, а также гибридные модели сверточных и рекуррентных нейронных сетей. Для тестирования разработанных моделей искусственных нейронных сетей были выбраны открытые наборы данных, выполнен эксперимент по сбору собственных данных реальных пациентов с депрессией, а также проведено объединение подготовленных наборов данных. Результатом работы является анализ и сравнение эффективности различных классификаторов на основе моделей сверточных и рекуррентных нейронных сетей. Заключение. Показано, что средняя точность классификации депрессивного расстройства на тестовой выборке с использованием перекрестной проверки составила 0.68. Полученные данные согласуются с известными из литературы результатами, полученными для небольших наборов данных c разбивкой по пациентам. Хотя полученная в данной задаче точность недостаточна для практического применения модели, можно утверждать как о перспективности дальнейших исследований в направлении повышения эффективности модели, так и о необходимости создания достаточно большого репрезентативного набора данных пациентов с депрессией, что является важной научной задачей для дальнейшего построения биофизических моделей депрессивных расстройств.