Обнаружение депрессии на основе мер функциональной связности мозга с использованием графовой сверточной нейронной сети

В статье предложен метод классификации большого депрессивного расстройства (БДР) с помощью графовой сверточной нейронной сети (GCNN) на основе электроэнцефалограммы (ЭЭГ). Модель использует спектральную когерентность для построения графа функциональной связности мозга, интегрируя анатомические знания о регионах с данными о связях. Метод протестирован на двух наборах данных ЭЭГ и показал высокую точность (AUROC 93% и 71%). Выявлены ключевые биомаркеры БДР: активность в левой префронтальной, левой фронтопариетальной и правой префронтальной областях, а также в дельта-, тета- и альфа-диапазонах частот.

**Выводы:** Графовая сверточная нейронная сеть на основе ЭЭГ позволяет с высокой точностью (AUROC до 93%) классифицировать БДР, выявляя нейрофизиологически значимые биомаркеры в левой префронтальной и фронтопариетальной областях, а также в дельта-, тета- и альфа-диапазонах. Нижний бета-диапазон вносит минимальный вклад в диагностику.