抑郁癥是一種全球常見的影響人們心理健康的疾病,它不僅影響著患者的生活質(zhì)量,而且可能引致患者自殺,因此能否及時(shí)有效地診斷出抑郁癥很重要。當(dāng)下抑郁癥的主要診斷方法是通過醫(yī)生與患者的面對(duì)面交流,從而得到一個(gè)主觀的診斷。但是,患者的主觀陳述往往不夠準(zhǔn)確,可能會(huì)導(dǎo)致誤診,所以需要一種客觀的手段來給醫(yī)生提供輔助診斷。腦電(Electroencephalogram,EEG)由于其直接反映人腦信息傳輸與狀態(tài)的優(yōu)點(diǎn),可以被用于疾病診斷。此外,為了克服多導(dǎo)腦電操作復(fù)雜、耗時(shí)長(zhǎng)的缺陷,并考慮到抑郁會(huì)導(dǎo)致大腦前額葉活動(dòng)異常,本文設(shè)計(jì)了基于額葉三導(dǎo)腦電的抑郁分類模型,可以快速、便捷地實(shí)現(xiàn)抑郁檢測(cè)。本文基于額葉三導(dǎo)腦電數(shù)據(jù),針對(duì)其時(shí)域、頻域以及導(dǎo)聯(lián)間的空間信息,采用不同的方法,進(jìn)行了抑郁分類研究。其中,本研究主要運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)搭建了抑郁分類模型,進(jìn)行了探索性的研究。本文主要工作和創(chuàng)新點(diǎn)如下:1.以往的腦電分類工作中,特征是基于單個(gè)導(dǎo)聯(lián)信號(hào)提取的,忽略了不同導(dǎo)聯(lián)腦電的空間信息。本研究設(shè)計(jì)了CNN的學(xué)習(xí)分類模型,以三導(dǎo)腦電數(shù)據(jù)為輸入集,利用CNN局部...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1普適化三導(dǎo)腦電采集設(shè)備

蘭州大學(xué)碩士學(xué)位論文基于額葉三導(dǎo)腦電的抑郁檢測(cè)方法研究8第二章腦電分類的流程及原理性說明腦電分類的研究過程，是從采集腦電到仿真出最終的結(jié)果，其中每一步都會(huì)影響最后的分類正確率。本章主要對(duì)研究中涉及到的數(shù)據(jù)采集、預(yù)處理、特征計(jì)算與選擇、所用的模型等內(nèi)容進(jìn)行闡述。2.1額葉三導(dǎo)腦電的....

圖2.2數(shù)據(jù)集的劃分與模型訓(xùn)練測(cè)試流程

蘭州大學(xué)碩士學(xué)位論文基于額葉三導(dǎo)腦電的抑郁檢測(cè)方法研究10造成測(cè)試集的評(píng)估結(jié)果不準(zhǔn)確。而這個(gè)比值通常取到2:1到4:1之間，本研究中取到了4:1。因?yàn)檠芯康哪X電樣本是經(jīng)過分窗截取得到的，多個(gè)樣本實(shí)際上是同一名被試的數(shù)據(jù)，在劃分測(cè)試集與訓(xùn)練集時(shí)，保證同一名被試的所有樣本在同一個(gè)數(shù)據(jù)....

圖3.1基于端到端與額葉三導(dǎo)腦電的分類模型框架

蘭州大學(xué)碩士學(xué)位論文基于額葉三導(dǎo)腦電的抑郁檢測(cè)方法研究23三維的，因此必須將其轉(zhuǎn)變?yōu)橐痪S特征向量。相比于全連接層，全局最大池化層參數(shù)少，且能夠有效地抑制過擬合。于是本設(shè)計(jì)選擇全局最大池化層來對(duì)特征進(jìn)行進(jìn)一步地學(xué)習(xí)。對(duì)于決策層，本設(shè)計(jì)選擇以softmax作為決策函數(shù)。它的優(yōu)勢(shì)在于函....

圖3.2多結(jié)構(gòu)模型探究的性能指標(biāo)柱狀圖

蘭州大學(xué)碩士學(xué)位論文基于額葉三導(dǎo)腦電的抑郁檢測(cè)方法研究24而后，將訓(xùn)練集應(yīng)用到以上各個(gè)模型中進(jìn)行交叉驗(yàn)證，以訓(xùn)練正確率、驗(yàn)證正確率、驗(yàn)證查準(zhǔn)率、驗(yàn)證查全率作為評(píng)估指標(biāo)，結(jié)果如表3.1所示，直觀柱狀圖如圖3.2所示。由圖表可知，使用兩個(gè)時(shí)域提取模塊時(shí)的模型性能最好，此時(shí)的模型深度（....

本文編號(hào)：4033923