隨著經濟快速發(fā)展以及物質生活水平的提高,人們的生活節(jié)奏和社會競爭日益加劇,生理、心理以及社會壓力也越來越大,心理疾病的發(fā)病率不斷升高,而這其中抑郁癥發(fā)病率的增長尤為明顯。抑郁癥作為一種非常復雜且隨時間發(fā)展動態(tài)變化的精神障礙疾病,其有效識別往往依賴于醫(yī)生的臨床經驗和患者心理狀態(tài)的自評量表。但是,由于醫(yī)生的主觀性以及醫(yī)療資源的緊缺,急需一種客觀有效的抑郁癥識別方式。腦電（electroencephalograph,EEG）體現(xiàn)了大腦神經細胞的運動狀態(tài),具有難以偽裝、易采集等特點。近年來,基于腦電信號的抑郁癥識別研究已成為生物醫(yī)學工程發(fā)展中的熱門話題。然而,腦電信號的復雜性和非平穩(wěn)性是其應用于該研究的兩個障礙。另外,由于個體差異所導致的腦電信號差異性所帶來的影響,識別算法的通用性可能會降低。因此,如何在腦電信號中探索更有效的相關性信息以及提取更能反映抑郁狀態(tài)的高層次表示,是構建具有更強泛化性能的抑郁癥識別模型的重要前提�？紤]到腦電信號與人口統(tǒng)計學信息（如性別、年齡等）之間的相關性,以及這些人口統(tǒng)計學因素與抑郁癥發(fā)病率的關聯(lián)性,將人口統(tǒng)計學信息融入到腦電信號建模和抑郁癥識別過程中是非常有必要的... 

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 基于特征工程的腦電信號建模
        1.2.2 基于深度學習的腦電信號建模
        1.2.3 融合人口統(tǒng)計學信息的腦電信號建模
    1.3 研究目的和意義
    1.4 研究內容與工作
    1.5 文章結構安排
第二章 融合人口統(tǒng)計學信息的腦電信號建�；A
    2.1 腦電基礎
        2.1.1 生理基礎
        2.1.2 腦電與抑郁癥
    2.2 深度學習方法概述
        2.2.1 全連接神經網絡
        2.2.2 卷積神經網絡
        2.2.3 注意力機制
    2.3 多任務學習方法概述
        2.3.1 神經網絡的多任務
    2.4 實驗數(shù)據(jù)簡介
        2.4.1 被試篩選
        2.4.2 腦電數(shù)據(jù)采集
        2.4.3 腦電數(shù)據(jù)預處理
    2.5 本章小結
第三章 結合人口統(tǒng)計學輔助任務的腦電信號建模方法
    3.1 基于人口統(tǒng)計學輔助任務的抑郁癥識別模型
    3.2 腦電信號的卷積處理
    3.3 人口統(tǒng)計學輔助任務
    3.4 實驗設置
    3.5 結果分析
    3.6 本章小結
第四章 結合人口統(tǒng)計學注意力機制的腦電信號建模方法
    4.1 基于人口統(tǒng)計學注意力機制的抑郁癥識別模型
    4.2 腦電信號的卷積處理
    4.3 人口統(tǒng)計學注意力機制
    4.4 實驗設置
    4.5 結果分析
        4.5.1 人口統(tǒng)計學注意力機制引入實驗
        4.5.2 人口統(tǒng)計學注意力機制對比實驗
    4.6 本章小結
第五章 總結與展望
    5.1 全文研究總結
    5.2 研究工作展望
參考文獻
在學期間的研究成果
致謝



本文編號：3656334