【技术实现步骤摘要】
本专利技术属于多模态抑郁障碍识别，具体涉及一种基于模糊积分元学习融合框架的多模态抑郁障碍识别系统。
技术介绍
1、抑郁障碍是一种常见的心理健康问题，但它是可以识别和治疗的。目前的抑郁障碍识别方法大多基于问卷调查和医生访谈，需要填写大量问卷且依赖于个人的诚实度和心理专家的判断经验，存在主观性强、劳动强度大、耗时长和容易误判等问题。为了提高抑郁障碍的识别和治疗水平，科学家和心理专家一直在致力于寻找更有效的诊断方法。
2、与人有五感一样，机器通过任何一种方式获得的数据都被称为一种模态，一般而言，反映人类存在抑郁障碍与否的模态可以分为两种类别：(1)人的外在行为信号，例如人的语音、目光、姿势、面部运动等；(2)人体内部生理信号，包括脑电图(eeg)、肌电图(emg)、心电图(ecg)等。
3、早期，研究人员主要基于单一模态的数据进行抑郁障碍识别的研究，然而随着多模态学习的不断发展，研究人员开始着力于探索基于多模态心理生理数据的抑郁障碍识别研究，并在多模态表征、对齐和融合等方向产生了一些代表性的研究，其中使用摄像头采集的注...
【技术保护点】
1.基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，包括：数据处理模块、基学习器模块、模糊积分模块、元训练模块以及元测试模块；
2.如权利要求1所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，所述多模态生理信号数据包括不同导联规模的脑电信号和语音信号。
3.如权利要求1所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，所述脑电信号包括静息态下采集的和音频刺激下采集的，共两段128导脑电信号和静息态下采集的一段3导脑电信号；所述语音信号包括四种情绪刺激下采集的26段语音信号。
...
【技术特征摘要】
1.基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，包括：数据处理模块、基学习器模块、模糊积分模块、元训练模块以及元测试模块；
2.如权利要求1所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，所述多模态生理信号数据包括不同导联规模的脑电信号和语音信号。
3.如权利要求1所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，所述脑电信号包括静息态下采集的和音频刺激下采集的，共两段128导脑电信号和静息态下采集的一段3导脑电信号；所述语音信号包括四种情绪刺激下采集的26段语音信号。
4.如权利要求1或2所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，通过relief算法对生理信号数据提取的特征进行特征筛选。
5.如权利要求1所述的基于模糊积分元学习融合框架的多模态抑郁障碍识别系统，其特征在于，根据人口统计信息，如年龄、性别和受教育程度等，将数据处理模块的生理信号数据划分出多个域；在划分...
【专利技术属性】
技术研发人员：胡斌，沈健，吴瑾文，钱昆，梁华健，赵泽光，朱可欣，麻瑜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。