基于多域特征结合CBAM模型的脑电信号抑郁识别

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：目前脑电信号（EEG）的抑郁症识别方法主要采用单一特征提取方法，无法覆盖多域特征信息，导致现有模型分类性能不高，因此提出了一种多域特征结合CBAM模型（CNN-BiLSTM-attention mechanism）的抑郁症识别算法。首先利用连续小波变换（CWT）提取时频域特征，并结合脑电电极空间信息构成2D特征图像，共同保留脑电的空间、时间和频率信息；然后使用卷积神经网络（convolutional neural network，CNN）提取空间和频域特征，再输入双向长短时记忆网络（bidirectional long and short-term memory，BiLSTM）以捕获时间信息；最后结合注意力机制（attention mechanism，AM），对网络提取的多域特征赋予不同的权重，以筛选出更具代表性的抑郁特征，从而提高识别抑郁症的准确性。（剩余15359字）

试读结束

目录
monitor