[4L2-GS-10] AI application:

[4L2-GS-10-05] Investigation of Methods for Constructing Ensemble Model for Estimating Severity Level of Depression Using Machine Learning with EEG Data

〇Kenichi Inoue¹, Kei Suzuki¹, Midori Sugaya¹ (1. Shibaura Institute of Technology)

Keywords:EEG, Depression, Machine Learning

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病の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鬱病の重症度レベル分類モデルの構築を目的に，脳波を用いた機械学習による鬱病の重症度レベル分類アンサンブルモデルの構築を提案する．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つとした．特徴量選択手法を用いて統計的に有用性の高い特徴量を選択した．データセットに対して複数のサンプリング処理を行い，データセットを2つに分割しバギングを行った．バギングで作成した2つのモデルの各ラベルの推定確率から調和平均を算出し，最も確率が高いクラスを分類結果とした．ランダムフォレストを用いて鬱病の重症度の４クラス分類を行った結果，精度が67.8%であった．