典型文献
基于改进卷积神经网络的脑电信号焦虑情绪量化识别
文献摘要：
精确量化检出大学生的焦虑情绪并对病理因素进行追溯分析,是临床心理治疗和心理危机干预的重要环节,而基于脑电(Electroencephalograph,EEG)信号的深度学习是当前最具发展潜力的一种诊断方法.本研究对传统卷积神经网络(Convolutional Neural Networks,CNN)进行改进,提出并构造一个基于"扩展信息输入空间"的神经网络(Neural Network Based on Extended Information Input Space,NN-EIIS)模型,取代CNN末端的分类器;并引入具有独立性的被试对象焦虑量表得分(Score of Anxiety Scale,SAS),作为焦虑情绪量化标准和训练样本集的输出.以某高校大学生为研究对象进行实验,结果表明所提出的方案不仅实现了对焦虑情感的精确量化识别,还能利用所得模型,在一定程度上对大学生焦虑障碍患者的某些重要的内在病理因素进行追溯分析.
文献关键词：
卷积神经网络;脑电信号;焦虑情感量化识别;非平稳时变信号处理;类别不平衡
中图分类号：
作者姓名：
毛小玲;向往;欧阳明昆;谢扬球
作者机构：
广西民族大学大学生心理健康教育中心,广西南宁 530006;广西民族大学教育科学学院,广西南宁 530006;广西大学资源环境与材料学院,广西南宁 530004
文献出处：
引用格式：
[1]毛小玲;向往;欧阳明昆;谢扬球-.基于改进卷积神经网络的脑电信号焦虑情绪量化识别)[J].广西科学,2022(02):269-276
A类：
Electroencephalograph,EIIS,焦虑情感量化识别,非平稳时变信号处理
B类：
改进卷积神经网络,脑电信号,焦虑情绪,情绪量化,病理因素,追溯分析,心理治疗,心理危机干预,EEG,Convolutional,Neural,Networks,扩展信息,信息输入,输入空间,Based,Extended,Information,Input,Space,分类器,焦虑量表,Score,Anxiety,Scale,SAS,量化标准,训练样本集,高校大学生,对焦,学生焦虑,焦虑障碍,类别不平衡
AB值：
0.333947
相似文献
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。
