计算机工程与应用

2022, v.58;No.1013(22) 150-158

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合共空间模式与脑网络特征的EEG抑郁识别
EEG Depression Recognition Based on Feature Fusion of Common Spatial Pattern and Brain Connectivity

王怡忻;朱湘茹;杨利军;

摘要(Abstract):

提出共空间模式算法和脑网络拓扑属性融合的脑电信号(electroencephalography,EEG)特征,结合深度学习模型时序卷积网络(temporal convolution network,TCN)对抑郁组和对照组进行分类。根据相位锁值构建电极通道间相位同步性功能网络,分析不同频段下两种类别的功能连接模式。采用多特征融合方法将共空间模式特征和脑网络拓扑特征结合起来,最后结合Fisher score特征选择方法和分类器依赖结构,得到低维高效的特征子集并应用TCN进行分类。在抑郁数据集上的实验结果验证了所提策略的有效性。

关键词(KeyWords): 抑郁识别;脑电信号(EEG);共空间模式;时序卷积网络(TCN);特征选择

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(11701144,11971149);; 河南省重点研发与推广专项(科技攻关)项目(212102310305,192102210255);; 河南大学一流学科交叉学科建设计划(2019YLXKJC03)

作者(Authors): 王怡忻;朱湘茹;杨利军;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享