融合共空间模式与脑网络特征的EEG抑郁识别

作     者：王怡忻 朱湘茹 杨利军 WANG Yixin;ZHU Xiangru;YANG Lijun

作者机构：河南大学数学与统计学院河南开封475004 河南大学认知、脑与健康研究所河南开封475004 河南省人工智能理论及算法工程研究中心河南开封475004 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第22期

页      面：150-158页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(11701144,11971149) 河南省重点研发与推广专项(科技攻关)项目(212102310305,192102210255) 河南大学一流学科交叉学科建设计划(2019YLXKJC03) 

主　　题：抑郁识别 脑电信号(EEG) 共空间模式 时序卷积网络(TCN) 特征选择 

摘      要：提出共空间模式算法和脑网络拓扑属性融合的脑电信号(electroencephalography,EEG)特征,结合深度学习模型时序卷积网络(temporal convolution network,TCN)对抑郁组和对照组进行分类。根据相位锁值构建电极通道间相位同步性功能网络,分析不同频段下两种类别的功能连接模式。采用多特征融合方法将共空间模式特征和脑网络拓扑特征结合起来,最后结合Fisher score特征选择方法和分类器依赖结构,得到低维高效的特征子集并应用TCN进行分类。在抑郁数据集上的实验结果验证了所提策略的有效性。