基于小样本学习的精分患者脑电信号分析方法

作     者：贾亦非 尹梦真 王懋云 王佳明 JIA Yifei;YIN Mengzhen;WANG Maoyun;WANG Jiaming

作者机构：太原学院计算机科学与技术系山西太原030032 太原师范学院计算机科学与技术学院山西晋中030619 

出 版 物：《太原师范学院学报（自然科学版）》 (Journal of Taiyuan Normal University:Natural Science Edition)

年 卷 期：2024年第23卷第2期

页      面：35-41页

学科分类：0711[理学-系统科学] 1002[医学-临床医学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 100205[医学-精神病与精神卫生学] 10[医学] 

基　　金：山西省自然科学研究面上项目(202303021221172) 山西省研究生创新项目(2023SJ276) 太原师范学院研究生创新项目(SYYJSYC-2394) 太原学院院级科研项目(2023TYQN10) 

主　　题：小样本学习 脑电信号 卷积神经网络 分类精度 精神分裂症 

摘      要：目前很多机器学习方法都建立在大量数据的需求上,但在实际的生产生活中,有时很难获得大批量的数据.本文提出将小样本学习技术应用于脑电信号分析上,以增强分类精度,提高分析性能.实验通过对采集到的脑电信号进行预处理,再将其通过预训练模型的卷积层和池化层输出的高维特征向量作为输入数据进行特征提取,最后用小样本学习训练模型,实现在数据集规模较小的情况下达到较好的分类或预测效果.该方法结合了卷积神经网络和元学习的思想,通过在少量标记数据上进行训练,实现了对未标记数据的快速适应.实验结果表明,该方法在小样本情况下具有更好的分类精度和泛化能力,相较于传统的机器学习方法,具有更高的应用价值,可以为精神分裂症疾病的诊断提供参考.