基于多域特征結合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，導致現有模型分類性能不高，因此提出了一種多域特征結合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，并結合腦電電極空間信息構成2D特征圖像，共同保留腦電的空間、時間和頻率信息；然后使用卷積神經網絡（convolutional neural network，CNN）提取空間和頻域特征，再輸入雙向長短時記憶網絡（bidirectional long and short-term memory，BiLSTM）以捕獲時間信息；最后結合注意力機制（attention mechanism，AM），對網絡提取的多域特征賦予不同的權重，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確性。（剩余15359字）