medRxiv : the preprint server for health sciences · 2025
Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density.
СтатьяПрепринтНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Chettuthara Moncy Jijomon, Xiao Wenyi, Woodham Rachel D, Ghazi-Noori Ali-Reza, Rezaei Hakimeh, Bramon Elvira, Ritter Philipp, Bauer Michael, Young Allan H, Fan Yong, Fu Cynthia H Y
Аннотация
Bipolar disorder is characterized by marked changes in mood and activity levels and is a leading cause of disability worldwide. We sought to investigate the application of deep learning methods to electroencephalogram (EEG) signals to predict clinical remission after 6 weeks of home-based transcranial direct current stimulation (tDCS) treatment. Pre-treatment resting-state EEG acquired from 21 bipolar participants was used for this work. A hybrid 1DCNN and GRU model, with input from power spectral density values of theta, beta and gamma frequency bands of the AF7 and TP10 electrodes, achieved a treatment remission prediction accuracy of 78.5% (sensitivity 81.4%, specificity 74.64%).