• • 下一篇
QIN Jing1,2, QIN Zhiguang1, LI Fali2, PENG Yueheng2
摘要: 抑郁症的诊断主要依赖于医师的咨询和量表评估等主观方法,可能导致误诊。与其他生理测量工具(如计算机断层扫描(CT)和功能性磁共振成像(fMRI))相比,脑电图(EEG)具有高时间分辨率、低成本、易于设置和无创技术等优点,因此可以用作精神障碍,包括抑郁症的定量测量工具。深度学习算法目前在EEG信号上有多种运用,其中就包括抑郁症的诊断和分类。EGG信号在通过自注意力机制处理时有大量的冗余部分,因此,提出一种基于概率稀疏自注意力机制的卷积神经网络(PSANet)。首先,根据采样因数在自注意力机制中选取了少量最关键的注意力点,在运用自注意力机制的同时克服了它计算成本高的缺点,使它可以在脑电长序列数据上应用;同时将脑电图与患者的生理量表进行嵌合,从而进行多维度诊断。在一个包含抑郁症患者和健康对照组的数据集上进行实验评估,实验结果表明,PSANet表现出较高的分类准确性,参数量也低于对比方法。
中图分类号: