基于特征融合与注意力机制的ＣＮＮ抑郁症识别

快速准确识别、筛查和预警轻度抑郁症具有重要现实意义,利用脑电数据和深度学习算法可以对精神心理疾病进行机器识别。提出一种基于特征融合的卷积神经网络(ＣＮＮ)模型,实现抑郁症的有效识别。将注意力机制引入ＣＮＮ模型,提取高效的时空特征图,增强特征的多样性,降低个体差异性的影响。结果表明:采用脑电ｇａｍｍａ节律,模型对抑郁症平均识别准确率达到(９９.３９±０.１４)％。此外,通过对卷积层特征图的可视化分析,获得了抑郁症和正常被试脑电差异性电极,并进行少电极抑郁症分类,识别准确率达到(９１.４１±１.１１)％。由此可见,该深度学习模型能够对轻度抑郁症进行有效识别和筛查。