一种基于脑电的自注意力图池化抑郁障碍识别分类方法技术

本发明专利技术公开了一种基于脑电的自注意力图池化抑郁障碍识别分类方法，包括获取脑电信号的数据集，并进行预处理；基于欧氏距离和左右半脑连接关系构建邻接矩阵，同时基于自注意力图池化算子计算节点重要性分数获取目标节点，得到训练优化后的抑郁障碍软标签分类模型；建模分类任务和回归任务，得到输出软标签和回归分数，并将预测的回归分数转换为标签概率分布；根据模型最终得到用于分类的联合标签分布和用于回归的临床分数。本发明专利技术通过构造一个邻接矩阵，并引入自注意力图池化模型，对健康人和抑郁障碍患者的脑电信号进行建模，以完成抑郁障碍识别。利用软标签来挖掘样本之间的潜在关系，同时采用JS散度来约束回归任务和分类任务之间的关系。务之间的关系。务之间的关系。

【技术实现步骤摘要】
一种基于脑电的自注意力图池化抑郁障碍识别分类方法


[0001]本专利技术涉及脑电信号识别
，特别涉及一种基于脑电的自注意力图池化抑郁障碍识别分类方法。

技术介绍

[0002]抑郁障碍是一种常见的精神疾病。抑郁障碍患者有失眠、焦虑、易怒等症状，而严重的抑郁障碍患者甚至可能伴有自杀行为。根据世界卫生组织的不完全统计，全世界有超过3.5亿抑郁障碍患者，而来自中国的统计数据显示，全国有9500多万人患有抑郁障碍。此外，抑郁障碍也给社会带来了沉重的经济负担。研究表明，抑郁障碍每年造成1万亿美元的经济损失。事实上，及时的治疗可以减轻其带来的负担。随着抑郁障碍患者数目的不断增长，迫切需要设计一种客观、自动的抑郁障碍检测算法。近年来，由于脑电设备的快速发展，基于脑电的抑郁障碍检测算法受到越来越多研究人员的重视。
[0003]现有技术的不足之处在于，目前对临床抑郁障碍的诊断是基于医生访谈和问卷调查，前者很大程度上取决于医生的专业程度和主观性，后者可能具有欺骗性。

技术实现思路

[0004]本专利技术的目的克服现有技术存在的不足，为实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电的自注意力图池化抑郁障碍识别分类方法，其特征在于，包括：获取脑电信号的数据集，并进行预处理；基于欧氏距离和左右半脑连接关系构建邻接矩阵，同时基于自注意力图池化算子计算节点重要性分数获取目标节点，得到训练优化后的抑郁障碍软标签分类模型；建模分类任务和回归任务，得到输出软标签和回归分数，并将预测的回归分数转换为标签概率分布；根据模型最终得到用于分类的联合标签分布和用于回归的临床分数。2.根据权利要求1所述一种基于脑电的自注意力图池化抑郁障碍识别分类方法，其特征在于，所述获取脑电信号的数据集，并进行预处理的具体步骤包括：获取脑电信号的数据集样本，并进行预定义；预设一个具有N个样本的训练集第i个样本表示为：O
i
＝(X
i
，A
i
，y
i
，t
i
，z
i
)，(i∈1,
…
，N)；其中，X
i
∈R
E
×
T
是脑电信号，E和T分别代表电极数目和时间序列长度；A
i
∈R
E
×
E
代表第i个样本的邻接矩阵；y
i
和z
i
分别代表第i个样本的二进制标签和回归分数；t
i
是样本的软标签。3.根据权利要求2所述一种基于脑电的自注意力图池化抑郁障碍识别分类方法，其特征在于，所述软标签的构建步骤包括：根据PHQ
‑
9分数辅助构建样本的软标签其中，同时根据分数进行归一化到[0,1]之间，得到患者的抑郁障碍概率为以及得到患者隶属于健康人的概率为4.根据权利要求1所述一种基于脑电的自注意力图池化抑郁障碍识别分类方法，其特征在于，所述基于欧氏距离和左右半脑连接关系构建邻接矩阵的具体步骤包括：根据脑电信号的相似性反馈电极的空间关系，基于欧几里得距离构建脑电信号的拓扑结构，得到邻接矩阵A∈R
E
×
E
，其中，E表示电极数目，A
i
(p,q)代表第i个样本的p通道和q通道的连接关系，若通道p和通道q相连，则A
i
(p,q)＝1，反之为0；脑电信号的拓扑结构的生成公式为：再初始化样本脑电通道之间的关联性：其中，δ表示校准常数；最后根据左右半脑对称连接关系，增加全局连接提高邻接矩阵的精度。5.根据权利要求4所述一种基于脑电的自注意力图池化抑郁障碍识别分类方法，其特征在于，所述根据左右半脑对称连接关系，增加全局连接提高邻接矩阵的精度的具体步骤包括：引入新的自注意力图池化算子对脑电进...

【专利技术属性】
技术研发人员：郭艳蓉，陈涛，郝世杰，洪日昌，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：