【技术实现步骤摘要】
基于CNN
‑
LSTM混合框架的脑电信号抑郁检测
：
[0001]本专利技术涉及到脑机接口领域，尤其涉及一种基于CNN
‑
LSTM混合框架的脑电信号抑郁检测方法。
技术介绍
：
[0002]由于抑郁症同时影响大脑的表层和深层结构，手工提取的特征可能无法捕捉到大多数与抑郁症相关的影响。然而，基于深度学习的方法可以更好理解抑郁症患者的大脑。Acharya等人描述了一种利用脑电信号DL筛查抑郁症的模型。他们发现，来自大脑左半球的脑电图信号不如来自右半球的明显。由于以往的文献表明抑郁症会影响整个大脑，因此可以通过考虑更多的脑电通道进行训练来提高现有网络的性能。Ayetal等人利用了LSTM(long
‑
short
‑
term memory,LSTM)网络，在相同的数据集上获得了比其他方法更高的性能。他们考虑了一个一维输入向量，包含一个单一通道的脑电图记录进行分类。
技术实现思路
：
[0003]本专利技术的目的是克服现有方法的不足，提出一种改进的脑电信...
【技术保护点】
【技术特征摘要】
1.基于CNN
‑
LSTM混合框架的脑电信号抑郁检测方法，其特征在于，包括如下步骤：步骤1：获取Mumtaz,Wajid等人公开的数据，对于获取的数据集进行一个去噪处理；步骤2：采用了裁剪策略，用来增加样本数量和解码精度。基于小波变换提取每条样本的频带功率；步骤3：将处理完的数据集放入CNN
‑
LSTM模型进行训练，训练后放入10折交叉验证进行结果验证。2.根据权利要求1所述的基于CNN
‑
LSTM混合框架的脑电信号抑郁检测方法，其特征在于，所述步骤1包括如下步骤：步骤1.1：申请获取Mumtaz,Wajid等人公开的数据，数据集由34例重度抑郁症患者和30例健康个体的脑电图信号组成；步骤1.2：利用基于最小均方算法(LMS)的自适应噪声消除技术从原始信号中将噪声分离出来；步骤1.3：使用带通滤波器，将带通滤波器的范围设置为0.5
‑
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。