基于双分支融合模型的抑郁脑电分类方法技术

本发明专利技术公开了一种基于双分支融合模型的深度学习的抑郁脑电分类方法，包括以下步骤：(1)获取若干组健康人的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，(2)获取若干组轻度抑郁患者的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，(3)获取若干组中度抑郁患者的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，(4)以步骤(1)、(2)和(3)中的健康对照、轻度抑郁患者和中度抑郁患者的输入形式，对双分支融合模型进行训练学习，(5)将待分析窗口脑电信号转换成对应的小波时频图，输入步骤(4)中训练完成的双分支融合模型，完成该脑电信号的分析。该方法效果良好，能够区分出抑郁和健康以及抑郁程度。能够区分出抑郁和健康以及抑郁程度。能够区分出抑郁和健康以及抑郁程度。

【技术实现步骤摘要】
基于双分支融合模型的抑郁脑电分类方法


[0001]本专利技术涉及一种基于双分支融合模型的抑郁脑电分类方法，属于计算机应用


技术介绍

[0002]抑郁症(Major Depression Disorder，MDD)是一种常见的精神障碍疾病，其临床症状表现为对一切事物的兴趣低下、自我认同感不强和注意力不集中等症状，甚至会出现反复自残和自杀的行为。据世界卫生组织(World Health Organization，WHO)估计，到2030年抑郁症患者人数将超过所有心血疾病患者人数的总和，并且抑郁症将成为世界第一大自残诱因。在中国，抑郁症的发病人数约占总人口的4.2％，并呈现逐年上升和年轻化的趋势。抑郁症不仅会对个人造成严重的伤害，而且还会对患者家庭和社会带来负面的影响。如果能够在抑郁症早期就对患者进行正确的诊断，患者的病情就可以及时通过心理治疗、药物治疗、电休克疗法以及改变生活方式等手段得到显著的改善。因此，对抑郁症的准确率诊断具有重要意义。
[0003]一方面，脑电信号能够捕捉大脑毫秒级的神经元电活动，具有较高的时间分辨率和可靠性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双分支融合模型的深度学习的抑郁脑电分类方法，其特征在于，所述方法包括以下步骤：(1)获取若干组健康人的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，并使用滑动窗口切分成窗口数据，接着使用小波变换转换成小波时频图，最后将三个通道的小波时频图和对应的原始窗口序列作为模型的输入；(2)获取若干组轻度抑郁患者的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，并使用滑动窗口切分成窗口数据，接着使用小波变换转换成小波时频图，最后将三个通道的小波时频图和对应的原始窗口序列作为模型的输入；(3)获取若干组中度抑郁患者的大脑前额叶Fp1、Fpz和Fp2电极的脑电信号，并使用滑动窗口切分成窗口数据，接着使用小波变换转换成小波时频图，最后将三个通道的小波时频图和对应的原始窗口序列作为模型的输入；(4)以步骤(1)、(2)和(3)中的健康对照、轻度抑郁患者和中度抑郁患者的输入形式，对双分支融合模型进行训练学习，(5)将待分析窗口脑电信号转换成对应的小波时频图，输入步骤(4)中训练完成的双分支融合模型，完成该脑电信号的分...

【专利技术属性】
技术研发人员：杨淳沨，苏天，孔佑勇，陈阳，舒华忠，
申请(专利权)人：东南大学，
类型：发明
国别省市：