融合人口统计学信息的脑电信号建模方法及其在抑郁症识别中的应用

发布时间：2022-07-07 11:24

　　随着经济快速发展以及物质生活水平的提高,人们的生活节奏和社会竞争日益加剧,生理、心理以及社会压力也越来越大,心理疾病的发病率不断升高,而这其中抑郁症发病率的增长尤为明显。抑郁症作为一种非常复杂且随时间发展动态变化的精神障碍疾病,其有效识别往往依赖于医生的临床经验和患者心理状态的自评量表。但是,由于医生的主观性以及医疗资源的紧缺,急需一种客观有效的抑郁症识别方式。脑电（electroencephalograph,EEG）体现了大脑神经细胞的运动状态,具有难以伪装、易采集等特点。近年来,基于脑电信号的抑郁症识别研究已成为生物医学工程发展中的热门话题。然而,脑电信号的复杂性和非平稳性是其应用于该研究的两个障碍。另外,由于个体差异所导致的脑电信号差异性所带来的影响,识别算法的通用性可能会降低。因此,如何在脑电信号中探索更有效的相关性信息以及提取更能反映抑郁状态的高层次表示,是构建具有更强泛化性能的抑郁症识别模型的重要前提。考虑到脑电信号与人口统计学信息（如性别、年龄等）之间的相关性,以及这些人口统计学因素与抑郁症发病率的关联性,将人口统计学信息融入到脑电信号建模和抑郁症识别过程中是非常有必要的... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 基于特征工程的脑电信号建模
        1.2.2 基于深度学习的脑电信号建模
        1.2.3 融合人口统计学信息的脑电信号建模
    1.3 研究目的和意义
    1.4 研究内容与工作
    1.5 文章结构安排
第二章 融合人口统计学信息的脑电信号建模基础
    2.1 脑电基础
        2.1.1 生理基础
        2.1.2 脑电与抑郁症
    2.2 深度学习方法概述
        2.2.1 全连接神经网络
        2.2.2 卷积神经网络
        2.2.3 注意力机制
    2.3 多任务学习方法概述
        2.3.1 神经网络的多任务
    2.4 实验数据简介
        2.4.1 被试筛选
        2.4.2 脑电数据采集
        2.4.3 脑电数据预处理
    2.5 本章小结
第三章 结合人口统计学辅助任务的脑电信号建模方法
    3.1 基于人口统计学辅助任务的抑郁症识别模型
    3.2 脑电信号的卷积处理
    3.3 人口统计学辅助任务
    3.4 实验设置
    3.5 结果分析
    3.6 本章小结
第四章 结合人口统计学注意力机制的脑电信号建模方法
    4.1 基于人口统计学注意力机制的抑郁症识别模型
    4.2 脑电信号的卷积处理
    4.3 人口统计学注意力机制
    4.4 实验设置
    4.5 结果分析
        4.5.1 人口统计学注意力机制引入实验
        4.5.2 人口统计学注意力机制对比实验
    4.6 本章小结
第五章 总结与展望
    5.1 全文研究总结
    5.2 研究工作展望
参考文献
在学期间的研究成果
致谢



本文编号：3656334