面向抑郁障碍识别的脑电及语音信号多分类器融合建模研究

发布时间：2023-08-18 18:35

　　抑郁障碍通常被称为忧郁症或抑郁症,其临床表现为情绪低落,兴趣减退和持续明显的悲观厌世。现如今,抑郁障碍对患者的心理生理健康造成严重伤害,已成为世界范围内常见的精神疾病和致残的主要原因之一。医疗上,抑郁障碍的诊断主要依赖于专科医师的临床观察和量表问卷等方式,但由于这些诊断方式往往较易被伪造和隐瞒,导致临床确诊率与患者的配合程度有很大程度的相关性。因此,寻找一种客观有效的抑郁障碍检测方法成为了当前的一个研究热点。通常来说抑郁障碍患者会伴随着大脑认知功能以及行为的变化,脑电信号作为一种客观的生理学指标,通过其蕴含的丰富的时频信息可用来来反映大脑在不同生理或病理下的状态。同时,语音作为一种无扰的行为指标可以用来反映患者的临床精神状态。这两种信号均具有采集快速,方便,不对人体产生侵入等优势。因此,本文考虑从生理学和行为学的两个角度同时进行研究,利用生理学和行为学模态间信息的互补性来使抑郁障碍的检测更加客观、有效和方便。此外,已有研究指出不存在通用的分类器模型,但通过多分类器的互补可以提升模型性能。本文利用多分类器系统来构建多模态数据融合模型,旨在提高早期抑郁障碍的识别精度,辅助医生对早期抑郁障碍...

【文章页数】：72 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 国内外研究现状
    1.3 研究的目的和意义
    1.4 论文主要研究内容
    1.5 文章结构安排
第二章 基于多分类器系统的多模态抑郁障碍检测理论基础
    2.1 抑郁障碍的多模态生理及行为信号分析基础
        2.1.1 脑电信号与抑郁障碍
        2.1.2 语音信号与抑郁障碍
    2.2 多模态信息融合层次策略
        2.2.1 数据层融合策略
        2.2.2 特征层融合策略
        2.2.3 决策层融合策略
    2.3 多分类器融合系统的概念和原理
        2.3.1 多分类器融合系统的功能结构
        2.3.2 多分类器融合系统的层次策略
        2.3.3 多分类器融合系统的设计框架
    2.4 本章小结
第三章 针对抑郁障碍的脑电及语音数据采集及处理
    3.1 被试筛选
    3.2 脑电数据采集
        3.2.1 脑电信号采集设备
        3.2.2 实验流程
    3.3 语音数据采集
        3.3.1 语音信号采集设备
        3.3.2 实验流程
    3.4 数据预处理
        3.4.1 语音信号预处理
        3.4.2 脑电信号预处理
    3.5 特征提取
        3.5.1 脑电特征提取
        3.5.2 语音特征提取
    3.6 本章小结
第四章 基于动态选择策略的多模态抑郁障碍识别研究
    4.1 动态分类器选择策略
    4.2 脑电及语音模态特征层融合
    4.3 基于动态选择策略抑郁障碍识别模型
    4.4 实验设置
    4.5 子分类器分类性能对比实验
    4.6 动态分类器选择对比实验
    4.7 本章小结
第五章 基于多智能体策略下的多模态抑郁障碍识别研究
    5.1 多智能体信息融合
    5.2 基于多智能体策略的多模态抑郁障碍识别模型
    5.3 实验设置
    5.4 多分类器融合策略对比实验
    5.5 性别差异下多分类器融合策略对比实验
    5.6 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 未来展望
参考文献
在学期间的研究成果
致谢



本文编号：3842729