应用深度学习的基于EEG信号的心理健康识别
脑电波(EEG)在医学以及心理学诊断中是重要的生物信息.尽管关于EEG的应用已经在许多领域有所发展,但是其在用于心理状态识别这方面的研究却非常少.为了通过EEG信号去识别心理状态,深度学习的方法被使用在了这篇文章里.首先,筛选了64个志愿者,通过SCL-90量表评价他们的心理健康程度.接着他们的脑电波数据通过NeuroSkyMindwave采集.然后,利用相空间重构去分析这些数据.由于相空间重构之后,神经网络的输入维度变得非常之大,为了加快算法,主成分分析的方法被用于降低输入的维度.部分输入数据被用作训练多层神经网络.这个神经网络包含两个特征层以及一个Softmax分类机.特征层中的参数通过稀疏自动编码器来训练和更新.最终,通过对整个神经网络的训练之后,被训练后的神经网络,对文中提到的三种心理状态有高达81.35％的识别率.总而言之,文章展现的深度学习方法可以成为心理健康诊断的计算机辅助科技.
心理健康 脑电波 深度学习 相空间重构 主成分分析
周江鸿 袁野
中山大学信息科学与技术学院电子系,广东省 广州市 510000 中山大学信息科学与技术学院智能科学系,广东省 广州市 510000
国内会议
哈尔滨
中文
607-610
2015-09-18（万方平台首次上网日期，不代表论文的发表时间）