典型文献
基于数据增广和模型集成策略的图神经网络在抑郁症识别上的应用
文献摘要：
目前对抑郁症的主流诊断方式是通过医生和患者之间的沟通交流来填写相关的问卷量表,这需要相应的临床知识并且诊断结果存在主观性,给抑郁症诊断带来了很多挑战.利用信息处理技术对生理信号进行分析,构建精准客观的辅助诊断模型具有重要价值,然而目前抑郁症辅助诊断的公共数据集普遍存在样本偏少的情况,使得辅助诊断的精度普遍偏低.基于此,文中提出了一种基于数据增广和模型集成策略的图神经网络的抑郁症识别方法,该方法利用53位受试者的128通道脑电信号(Electroencephalogram,EEG),对采集到的脑电信号进行数据切分并将其用于数据增广后,利用皮尔逊相关系数计算不同通道之间的相关度,从而构造脑网络,并利用图神经网络学习脑网络的特征,然后将得到的预测结果利用模型集成策略进行多数投票,得到受试者最终的预测结果.经过实验证明,所提方法提高了网络的分类能力,解决了因样本小而带来的分类能力差的问题,在兰州大学普适感知与智能系统实验室提供的M ODM A数据集(包含24名抑郁症患者和29名正常对照组)上取得了77％的分类准确率,与其他方法相比,所提方法的分类准确率有明显的提升.
文献关键词：
抑郁症识别;分类;图神经网络;脑电信号;数据增广;模型集成
中图分类号：
作者姓名：
杨炳新;郭艳蓉;郝世杰;洪日昌
作者机构：
合肥工业大学计算机与信息学院 合肥230601
文献出处：
引用格式：
[1]杨炳新;郭艳蓉;郝世杰;洪日昌-.基于数据增广和模型集成策略的图神经网络在抑郁症识别上的应用)[J].计算机科学,2022(07):57-63
A类：
B类：
数据增广,模型集成,集成策略,图神经网络,抑郁症识别,诊断方式,沟通交流,流来,填写,问卷量表,诊断结果,主观性,抑郁症诊断,断带,信息处理技术,生理信号,辅助诊断,诊断模型,公共数据,偏少,法利,脑电信号,Electroencephalogram,EEG,切分,皮尔逊相关系数,相关度,脑网络,神经网络学习,多数投票,兰州大学,智能系统,ODM,抑郁症患者,正常对照,分类准确率,其他方法
AB值：
0.352733
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
