1.一种基于MBFN的抑郁症自动检测方法，其特征在于，具体步骤如下：步骤一：输入128通道原始EEG数据X＝{x(1),x(2),…,x(n)}；

步骤二：基于可变滑动窗口VSW多尺度化EEG信号，尺度系数s＝1时，VSW得到与原EEG信号序列相同的信号序列，尺度系数s≠1时，VSW将原EEG信号序列多尺度化后重构为式中， 是第l个变滑动窗口的EEG信号的第j个数据，依次对所有EEG通道进行多尺度化及重构；

步骤三：比较各通道在不同尺度上重构EEG信号样本熵，选择多数尺度重构EEG信号中样本熵值排序前k个通道，带通滤波器将前k个通道EEG信号划分至delta(0.5‑4Hz),theta(4‑8Hz),alpha(8‑13Hz),beta(13‑30Hz)和gamma(30‑48Hz)五个子带；

其中，选择样本熵值排序前k个通道的过程如下：

(1)重构后EEG信号按序组成一组维度为m向量序列Ym(1),…,Ym(N‑m+1)，其中，Ym(i)＝{y(i),y(i+1),…,y(i+m‑1)},1≤i≤N‑m+1；

(2)向量Ym(i)与Ym(j)之间的距离计算公式为：d[Ym(i),Ym(j)]＝maxk＝0,…,m‑1(|y(i+k)‑y(j+k)|)        (5)；

(3)对于给定的Ym(i)，统计d[Ym(i),Ym(j)]≤r的j的数量Bi，其中，1≤j≤n‑m，则向量Ym(i)存在：m

对于全部向量序列，则B(r)定义为：

(4)增加维数至m+1，统计d[Ym+1(i),Ym+1(j)]≤r的j的数量Ai,则 定义为：m

则A(r)定义为：

(5)计算EEG信号的样本熵，计算如下：

式中，参数设置如下：m＝2,r＝0.15*SD,SD为相应尺度EEG信号的标准差；

(6)基于各通道不同尺度的样本熵生成如下样本熵矩阵：其中，N为EEG通道数，s为多尺度系数；

(7)计算样本熵矩阵中每一行样本熵均值，选择均值最高前k通道用于构建MBFN；

步骤四：使用前k个EEG通道对应电极作为MBFN的共享节点，子带内EEG节点对的功能连接生成层内邻接矩阵，不同子带间EEG节点对的功能连接生成层间邻接矩阵，层内邻接矩阵和层间邻接矩阵共同组成超邻接矩阵，进而生成MBFN；

其中，层内及层间邻接矩阵功能连接的计算以传递熵作为载体，EEG节点对之间两个方向上传递熵相加求均值即功能连接强度，计算过程如下：ri和rj表示两EEG节点vj和vj对应的时间序列，τ为通道间的时间延迟，τ＝1ms,p(·)为概率分布；

步骤五：分析抑郁症组和正常对照组之间MBFN的层内和层间功能连通性变化，在显著性改变网络层中对MBFN的层内总耦合强度()，层间耦合强度()，多层网络参与系数(MPC)，多路聚类系数(MCC)，局部效率(LocE)，全局效率(GloE)六种度量指标与临床检查标准PHQ‑9评分进行Pearson相关性分析，探索抑郁症检测潜在标识物；

步骤六：采用KNN分类器评估潜在标识物对抑郁症检测的有效性，实现抑郁症检测。

2.根据权利要求1所述的一种基于MBFN的抑郁症自动检测方法，其特征在于，步骤二中基于VSW多尺度化EEG信号重构过程如下：(1)尺度系数s＝2时，EEG信号重构为 即

(2)尺度系数s＝3时，EEG信号重构为 和

其中，第一个EEG信号重构序列即

第二个EEG信号重构序列即

(3)以此类推，直至s≥N/4或者s＝30，其中，N为原始EEG通道数量。