Electroencephalogram (EEG) and machine learning based classification of depression: unveiling hidden patterns for early detection

Abstract

Táto práca sa zaoberá predspracovaním EEG signálov, extrakciou vlastností a klasifikáciou pacientov s depresiou a zdravou kontrolnou skupinou. Na klasifikáciu bolo zväžených a ohodnotených 5 modelov strojového učenia. Získané poznatky potvrdzujú výsledky z predchádzajúcich výskumov a poukazujú na dôležitosť veľkého a diverzného datasetu. Táto práca pracuje s verejne dostupným datasetom.This work deals with the pre-processing EEG signals, extraction of the features and classifying depressed patients and healthy control group. For classification, 5 different machine learning models were considered and evaluated. Findings confirm results from prior research and show the importance of a large, diverse dataset. This work utilises a public dataset.