近年，少ない電極の脳波信号による機械学習を応用したうつ病検知モデルの構築手法が研究されている。しかし，その精度は80%程度であり，高精度な手法は明らかではない。そこで本研究では，単一電極の脳波信号による機械学習を応用した精度が高いうつ病検知モデルの構築手法を提案する。脳波信号をクリーニングするため，フィルタリング，Epoch rejection，外れ値検知などを実施した。その後，脳波信号の複雑度などを脳波指標として特徴量抽出した。この脳波指標は決定木ベースのモデルであるLightGBMに学習された。そして、交差検証の結果，うつ病患者と健常者との2値分類において，精度90%程度の結果が得られた。この結果から，本研究で示した提案手法がうつ病検知において一定の有効性があることが示唆された。
