模糊熵和深度学习在精神分裂症中的应用研究

摘要：

精神分裂症是一种常见的重性精神疾病,多年来严重影响人类的生活质量,因此,对该病的准确诊断是治疗疾病的前提.针对以上问题,提出一种基于大脑复杂性和深度学习的精神分裂症脑电信号(EEG)分类方法,旨在发现隐藏在数据中的分布式特征.与忽略空间信息的标准脑电数据分析技术相反,首先将脑电信号的时间序列进行分频处理,并将每个频段的时间序列用模糊熵(FuzzyEn)进行特征提取,按照电极的空间位置构成特征向量,并将特征向量输入到卷积神经网络(CNN)中训练分类模型,自动识别受试者是否患病.实验结果表明,基于模糊熵和卷积神经网络的分类方法是有效的,分类准确率达到了99.16％.

关键词：精神分裂症、模糊熵、卷积神经网络、分类

所属期刊栏目：56

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金;青年科技研究基金

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：152-158