基于深度学习的ADHD儿童和正常儿童脑电信号分类研究

• 作者: 严瀚莹 王苏弘 田博帆 邹凌
• 来源期刊: 计算机应用研究
• 关键词: 干扰控制任务实验 注意缺陷多动障碍 长短期记忆网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 347-350
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.08.0870

摘要

针对注意缺陷多动障碍(attention deficit hyperactivity disorder,ADHD)儿童和正常儿童的分类问题,实验采用经典干扰控制任务范式对两类儿童的事件相关电位(event-related potential,ERP)进行了研究,旨在通过ERP特征实现其分类.实验首次使用长短期记忆(long-short term memory,LSTM)方法分析两类儿童前额叶与顶枕叶脑区最佳电极(p＜0.05)潜伏期(200 ～ 450 ms)的脑电信号,并自动学习和分类其ERP特征.相比常规分类方法,LSTM方法的分类率略高,可达95.78％.研究结果表明LSTM方法有助于ADHD儿童脑电信号的分类,为ADHD儿童个体诊断技术提供了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王苏弘	苏州大学附属第三医院脑科学研究中心	26	182	9.0	11.0
2	邹凌	常州大学信息科学与工程学院	29	145	5.0	11.0
6	严瀚莹	常州大学信息科学与工程学院	3	0	0.0	0.0
8	田博帆	常州大学信息科学与工程学院	1	0	0.0	0.0