计算机应用

作者：秦璟, 秦志光, 李发礼, 彭悦恒

单位：1.电子科技大学 信息与软件工程学院，成都 610054；2.电子科技大学 生命科学与技术学院，成都 610054

关键词：抑郁症诊断,脑电图,深度学习,自注意力机制,卷积神经网络

基金：国家自然科学基金资助项目(62027827)

抑郁症的诊断主要依赖于医师的咨询和量表评估等主观方法，可能导致误诊。脑电图（EEG）具有高时间分辨率、低成本、易于设置和无创等优点，因此可以用作精神障碍（如抑郁症）的定量测量工具。深度学习算法目前在EEG信号上有多种应用，其中就包括抑郁症的诊断和分类。EGG信号在通过自注意力机制处理时有大量的冗余部分，因此，提出一种基于概率稀疏自注意力机制的卷积神经网络（PSANet）。首先，根据采样因数在自注意力机制中选取少量最关键的注意力点，在运用自注意力机制的同时克服它计算成本高的缺点，使它可以在脑电长序列数据上应用；同时将脑电图与患者的生理量表进行嵌合，从而进行多维度诊断。在一个包含抑郁症患者和健康对照组的数据集上进行实验评估，实验结果表明，PSANet表现出较高的分类准确性，参数量也低于EEGNet等对比方法。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期