《电子测量技术杂志》发表论文赏析

基于混合神经网络和注意力机制的卒中后抑郁早期筛查分类方法研究

来源:电子测量技术杂志2023年第12期北京时间:

作者:于洪丽,安丽佳,王春方,徐桂芝,郭磊

单位:1.河北工业大学省部共建电工装备可靠性与智能化国家重点实验室 天津 300130; 2.河北工业大学天津市生物电工与智能健康重点实验室 天津 300130; 3.天津市人民医院康复医学科 天津 300121

摘要:脑卒中后抑郁症(PSD)是卒中后常见的并发症之一,严重威胁着脑卒中患者的健康。目前PSD的诊断主要依据病人的临床表现及各种量表,这类方法存在一定的主观性。脑电图(EEG)结合深度学习技术有可能为PSD诊断提供客观标准。本研究采集28名脑卒中后无抑郁受试者(PSND)和38名脑卒中后轻度抑郁患者(PSMD)的EEG信号,提出了一种基于注意力机制的长短时记忆网络(LSTM)和卷积神经网络(EEGNet)特征融合的端到端的PSD诊断框架。采用LSTM模型来学习EEG信号在时序上的依赖关系,引入的注意力机制对LSTM模型中时域信息进行权重分配来提高有用信息的利用率,最终通过EEGNet模块来提取EEG信号中更具表征的深层特征。通过10折交叉验证得出准确度、精确度、召回率、F1-Score和Kappa系数,分别为95.90%、95.75%、96%、95.82%和91.60%。与基础的深度学习模型相比,本文的方法能保持稳定的模型性能,对PSD的诊断具有较高的准确性,为PSD的筛查和诊断提供了一定的参考。

关键词:脑卒中后抑郁症;长短时记忆网络;卷积神经网络;注意力机制;混合神经网络

基金资助:国家自然科学基金(51877068,81871469,51737003,52077056)、河北省自然科学基金(E2020202033)项目资助

2023年12期其他文献查阅:

基于CNN-LSTM故障诊断的自动扶梯监测软件设计

基于XGBoost的光伏阵列故障诊断方法研究

基于新型缝隙单元的微带全向阵列天线设计

基于FMEDA的气体探测器SIL验证研究

基于改进灰色GM(1,1)模型的轨道电路故障预测

基于改进Faster RCNN的轮对踏面缺陷检测

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

新能源逆变系统中VSG控制时随机激励的谐波抑制研究

一种并行双模式盲均衡算法的研究与实现

基于投票机制的室内WiFi指纹定位算法

基于深度强化学习哈里斯鹰算法的路径规划

基于特征因素选取的IVMD-GLSSVM光伏出力短期预测

基于LQEKF的机载光电平台的模型预测控制

基于改进粒子群算法的三维路径规划研究

基于全注意力FSA-UNet网络的单晶电池片混合缺陷检测

基于优化概率神经网络的驾驶员疲劳检测

螺纹钢性能测试视频引伸计研究

基于ARM平台目标检测的轻量化方法

基于改进YOLOv5m的轻量化车脸检测方法

基于注意力机制和跨尺度特征融合的摩托车头盔检测算法

深浅层特征结合的自监督立体匹配

基于双目视觉的车辆外廓尺寸测量方法

基于自适应小波变换的陶瓷瓦鼓包检测方法

基于几何仿射与注意力的三维激光点云分类

基于VMD-SVD的拉曼分布式光纤测温系统降噪方法

基于混合神经网络和注意力机制的卒中后抑郁早期筛查分类方法研究

含缺陷管道磁化状态与漏磁信号规律研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!