文档名：基于特征融合与注意力机制的CNN抑郁症识别
摘要：快速准确识别、筛查和预警轻度抑郁症具有重要现实意义,利用脑电数据和深度学习算法可以对精神心理疾病进行机器识别.提出一种基于特征融合的卷积神经网络(CNN)模型,实现抑郁症的有效识别.将注意力机制引入CNN模型,提取高效的时空特征图,增强特征的多样性,降低个体差异性的影响.结果表明:采用脑电gamma节律,模型对抑郁症平均识别准确率达到(99.39±0.14)%.此外,通过对卷积层特征图的可视化分析,获得了抑郁症和正常被试脑电差异性电极,并进行少电极抑郁症分类,识别准确率达到(91.41±1.11)%.由此可见,该深度学习模型能够对轻度抑郁症进行有效识别和筛查.
Abstract：Itisofgreatpracticalsignificancetoquicklyandaccuratelyidentify,screenandearlywarnmilddepression.ByusingEEGdataanddeeplearningalgorithmmentalandpsychologicaldiseasescanbemachine-identified.Aconvolutionalneuralnetwork(CNN)modelbasedonfeaturefusiontoeffectivelyrecognizedepression.TheattentionmechanismisintroducedintotheCNNmodeltoextractefficientspatio-temporalfeaturemaps,enhancefeaturediversityandreducetheimpactofindividualdifferences.Theresultsshowthattheaveragerecognitionaccuracyofthemodelfordepressionreaches(99.39±0.14)%usingEEGgammarhythm.Inaddition,throughthevisualanalysisoftheconvolutionallayerfeaturemap,theEEGdifferentialelectrodesofdepressionandnormalsubjectsareob-tained,andthedepressionclassifiedwithfewelectrodes,withtherecognitionaccuracyof(91.41±1.11)%,showingthatthedeeplearningmodelcaneffectivelyidentifyandscreenmilddepression.
作者：尚照岩 乔晓艳Author：SHANGZhaoyan QIAOXiaoyan
作者单位：山西大学物理电子工程学院,山西太原030006
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2024, 37(4)
分类号：TNN911.7TP183
关键词：机器学习 抑郁症识别 卷积神经网络 注意力机制 特征融合
Keywords：machinelearning depressionrecognition convolutionneuralnetwork attentionmechanism featurefusion
机标分类号：TP391.4Q64R741.044
在线出版日期：2024年6月5日
基金项目：基于特征融合与注意力机制的CNN抑郁症识别[
期刊论文] 传感技术学报--2024, 37(4)尚照岩 乔晓艳快速准确识别、筛查和预警轻度抑郁症具有重要现实意义,利用脑电数据和深度学习算法可以对精神心理疾病进行机器识别.提出一种基于特征融合的卷积神经网络(CNN)模型,实现抑郁症的有效识别.将注意力机制引入CNN模型,提取高...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于特征融合与注意力机制的CNN抑郁症识别 Depression Recognition with CNN Based on Feature Fusion and Attention Mechanism
基于特征融合与注意力机制的CNN抑郁症识别.pdf
- 文件大小:
- 1.95 MB
- 下载次数:
- 60
-
高速下载
|
