基于固有模态分解和深度学习的抑郁症脑电信号分类分析

• 作者: 刘岩 李幼军 陈萌
• 来源期刊: 中国医学物理学杂志
• 关键词: 抑郁症 脑电信号 固有模态分解 固有模态函数 卷积神经网络
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 脑科学与神经物理
• 页码范围: 963-967
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2017.09.021

摘要

以采集到的抑郁症患者和正常人的脑电信号为基础,采用固有模态分解算法对原始信号去噪处理,通过卷积神经网络对抑郁症患者和正常人进行分类分析.首先通过脑电信号的采集实验,采集15位抑郁症患者和15位正常人对照组Fp1的静息态脑电信号;之后对采集到的静息态脑电进行去噪处理,脑电去噪处理主要包括固有模态分解算法对原始信号的分解获得不同层次的IMF分量,对IMF分量进行频域分析,通过硬阈值的方法剔除原始信号中的噪声信号;最后采用卷积神经网络对抑郁症患者和正常人对照组进行二值分类,结果相较于传统的特征提取-机器学习算法,分类准确率明显提高.