卷积神经网络及其分析在抑郁症判别中的应用

摘要：

在线脑电分类能准确评估严重抑郁症患者的脑状态并及时跟踪其发展状态可以将其陷入危险和自杀的风险降为最低.然而,在无经验监督条件下,在线脑电分类应用面临更大的挑战:脑电数据往往具有弱信号、高噪声与非平稳特性;缺乏有效解耦脑疾病发作时脑区与神经网路的复杂关系.为此,设计一个以卷积神经网络为核心的云辅助在线脑电分类系统,该系统直接应用于原始脑电信号,无需进行预处理和特征提取,能精准、快速判别抑郁症状态.在公开数据集上进行抑郁症评估实验,对健康控制组和抑郁症对照组分类的准确率、敏感度和特异度分别为99.08％、98.77％和99.42％.另外,通过对神经网络进行定量解释,表明抑郁症病人的左右颞叶脑区与正常人存在明显差异.

关键词：神经网络、模型解释、抑郁症、脑电分类、云计算

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省教育厅科学技术研究计划指导性项目B2018142

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：245-250