基于规范偏差的EEG抑郁检测论文发布

2026年10月28日，Wan Jiang等人在arXiv机器学习领域发布了题为“EEG-based MDD Detection via Normative Deviation Modeling”的论文。 该研究利用健康对照数据训练结构或分布参考模型，通过标量（S-NDD）或特征（F-NDD）层级的偏差引导，以提升基于脑电图（EEG）的重度抑郁（MDD）检测性能。 其中，S-NDD将偏差总结为标量分数，而F-NDD保留维度残差并采用注意力机制聚合。两项公开数据集实验证实，该偏差引导方法在源内及双向跨源评估中均有效。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。