买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学

摘要：本发明涉及抑郁症治疗技术领域，具体公开了一种基于多频域分解的脑电抑郁症诊断方法，包括通道特征提取模块，首先对EEG信号进行带通滤波，将其分为δ1—4Hz、θ4—8Hz、α8—12Hz、β12—30Hz）和γ30—50Hz）多个频段，通过通道选择策略选出每个频段的最优通道，以提取关键的时空特征，将空频特征融合在一起，构建一个分类模型实现高效抑郁症识别，本方案设计了时间趋势感知注意力机制，通过为每个节点提取局部的上下文信息，从而使每个节点拥有感知上下文环境的能力，然后通过局部趋势－局部趋势（trend‑wise）的形式来构建注意力矩阵，相比传统的注意机制，所提出的趋势感知注意力机制有助于更准确的分类，并且稳定性更强。

主权项：1.一种基于多频域分解的脑电抑郁症诊断方法，包括通道特征提取模块，首先对EEG信号进行带通滤波，将其分为δ1—4Hz、θ4—8Hz、α8—12Hz、β12—30Hz）和γ30—50Hz）多个频段，通过通道选择策略选出每个频段的最优通道，以提取关键的时空特征，还包括卷积模块和自注意力模块；其特征在于，还包括以下步骤：S1：CNN提取局部时空特征，并通过Transformer捕捉全局时空关系；S2：引入通道注意力和时间注意力机制，增强模型对不同通道和时间段的重要特征的关注；S3：将时空频特征融合在一起，构建一个分类模型实现抑郁症识别；将二维卷积算子分离为两个一维时间和空间卷积层来设计卷积模块，并设置三层；其中，第一层有s个大小为（1，25）的核，其步幅为（1，1，这意味着卷积是在时间维度上执行的；其中，第二层保留s个大小为ch，1步幅为1，1的核，其中ch=EEG数据的电极通道数，这一层作为一个空间滤波器来学习不同电极通道之间相互作用的表示，随后，采用批归一化方法加快训练过程，缓解过拟合问题，使用elu作为非线性的激活函数；其中，第三层是沿时间维度的平均池化，内核大小为（1，75，步长为（1，15，第三层平滑了时间特征，既避免了过拟合，又降低了计算复杂度，超参数k设置为40；最后，重新排列卷积模块的特征映射，压缩电极通道维度，并将卷积通道维度与时间维度进行转置，通过这种方式，将每个时间点的所有特征通道作为令牌馈送到下一个模块；自注意力模块包括给定输入，R是实数集，N是序列的个数，M是采样点，C是通道数；通过卷积核大小为1×s的两个1D因果卷积层提取每个时间步的上下文表示，分别生成查询Query,Q，键Key,K，通过1×1的卷积层生成值Value,V： ； ； ；其中，Conv表示卷积，s表示卷积核的大小，x是给定的输入；1D因果卷积确保每个时间步只能关注之前的时间步信息，并且通过padding操作使输出的shape与输入的shape保持一致，以这样的方式，的每个时间步包含了上下文语义信息；通过reshape操作重塑Q，K，V矩阵，获得多头表示： ； ； ；其中，N是序列的个数，M是采样点，h是注意力头的个数，d是每个注意力头的通道数，reshape是重塑操作；以局部上下文的方式计算注意力矩阵，并通过softmax归一化指数函数进行归一化： ；其中，A是归一化后的注意力矩阵，R是数学中的实数集，Q是查询Query，K表示键Key，T是数学符号转置，h是注意力头的个数，d是每个注意力头的通道数；对V进行加权求和，并恢复为与输入相同的shape：； ； ； 是趋势感知注意力机制的输出；其中，C是通道数，h是注意力头的个数，d是每个注意力头的通道数，Y是趋势感知注意力机制的输出，V表示值Value。

全文数据：

权利要求：

百度查询： 东北电力大学 一种基于多频域分解的脑电抑郁症诊断方法