基于多域特征結(jié)合CBAM模型的腦電信號抑郁識別

打開文本圖片集

摘 要：目前腦電信號（EEG）的抑郁癥識別方法主要采用單一特征提取方法，無法覆蓋多域特征信息，導(dǎo)致現(xiàn)有模型分類性能不高，因此提出了一種多域特征結(jié)合CBAM模型（CNN-BiLSTM-attention mechanism）的抑郁癥識別算法。首先利用連續(xù)小波變換（CWT）提取時頻域特征，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，再輸入雙向長短時記憶網(wǎng)絡(luò)（bidirectional long and short-term memory，BiLSTM）以捕獲時間信息；最后結(jié)合注意力機(jī)制（attention mechanism，AM），對網(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，從而提高識別抑郁癥的準(zhǔn)確性。（剩余15359字）