基于多域特征結(jié)合CBAM模型的腦電信號(hào)抑郁識(shí)別

打開(kāi)文本圖片集

摘 要：目前腦電信號(hào)（EEG）的抑郁癥識(shí)別方法主要采用單一特征提取方法，無(wú)法覆蓋多域特征信息，導(dǎo)致現(xiàn)有模型分類(lèi)性能不高，因此提出了一種多域特征結(jié)合CBAM模型（CNN-BiLSTM-attention mechanism）的抑郁癥識(shí)別算法。首先利用連續(xù)小波變換（CWT）提取時(shí)頻域特征，并結(jié)合腦電電極空間信息構(gòu)成2D特征圖像，共同保留腦電的空間、時(shí)間和頻率信息；然后使用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）提取空間和頻域特征，再輸入雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（bidirectional long and short-term memory，BiLSTM）以捕獲時(shí)間信息；最后結(jié)合注意力機(jī)制（attention mechanism，AM），對(duì)網(wǎng)絡(luò)提取的多域特征賦予不同的權(quán)重，以篩選出更具代表性的抑郁特征，從而提高識(shí)別抑郁癥的準(zhǔn)確性。（剩余15359字）