[发明专利]一种基于注意力机制的抑郁症脑电信号识别方法及系统

权利要求书

1.一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，包括：

S1：获取受测者的原始脑电信号并对原始脑电信号进行预处理，得到第一脑电信号；

S2：对第一脑电信号进行去噪和平滑处理，得到第二脑电信号；

S3：采用分脑区神经网络对第二脑电信号进行处理，得到多个分脑区特征；

S4：拼接多个分脑区特征，得到全脑区特征；

S5：采用全脑区神经网络对全脑区特征进行处理，得到抑郁症脑电信号识别结果。

2.根据权利要求1所述的一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，对原始脑电信号进行预处理的过程包括：对原始脑电信号进行分脑区通道选择，得到多个分脑区的原始脑电信号；采用无限脉冲响应数字滤波器对多个分脑区的原始脑电信号进行滤波，得到第一原始信号；采用独立主成分分析移除第一原始信号中的眼电信号和肌电信号，对坏通道进行插值处理，得到第二原始信号；对第二原始信号进行降采样和滑动窗口处理，得到预处理好的原始脑电信号即第一脑电信号。

3.根据权利要求1所述的一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，对第一脑电信号进行去噪处理的过程包括：将第一脑电信号在相空间重构为三维相空间矢量；对三维相空间矢量作线性最小二乘法处理，得到去噪后的第一脑电信号。

4.根据权利要求1所述的一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，对第一脑电信号进行平滑处理的过程包括：将去噪后的第一脑电信号进行频域转化，得到频域脑电信号；移除频域脑电信号上的离群点，并对移除离群点的地方做特征平滑处理，得到第二脑电信号。

5.根据权利要求1所述的一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，分脑区神经网络对第二脑电信号进行处理的过程包括：分脑区神经网络包括多个并行的SENet层和卷积层，卷积层包括一维卷积、Relu层和最大池化层；

第二脑电信号为多个脑区的脑电信号，将多个脑区的脑电信号分别输入到多个并行的SENet层中，得到添加了通道权重后的多个脑区的脑电信号；

并行的卷积层对添加了通道权重后的多个脑区的脑电信号进行处理，得到多个分脑区特征。

6.根据权利要求1所述的一种基于注意力机制的抑郁症脑电信号识别方法，其特征在于，全脑区神经网络对全脑区特征进行处理的过程包括：全脑区神经网络包括SENet层、卷积层和全连接层，卷积层包括一维卷积、Relu层和最大池化层；

SENet层对全脑区特征进行处理，得到添加了脑区权重后的全脑区特征；

添加了脑区权重后的全脑区特征依次经过一维卷积、Relu层和最大池化层的处理后，得到更新全脑区特征；

采用全连接层对更新全脑区特征进行处理，得到抑郁症脑电信号识别结果。

7.一种基于注意力机制的抑郁症脑电信号识别系统，其特征在于，包括：数据采集模块、信号处理模块、信号特征提取模块、信号特征分类识别模块；

所述数据采集模块用于采集受测者的原始脑电信号；

所述信号处理模块用于对采集受测者的原始脑电信号进行优化处理，得到优化后的原始脑电信号；

所述信号特征提取模块用于对优化后的原始脑电信号进行特征提取，得到全脑区特征；

所述信号特征分类识别模块用于根据全脑区特征进行抑郁症脑电信号识别，得到抑郁症脑电信号识别结果。

8.根据权利要求7所述的一种基于注意力机制的抑郁症脑电信号识别系统，其特征在于，所述信号处理模块包括信号预处理单元，时域信号去噪单元，时频域转化单元和频域信号平滑单元；

所述信号预处理单元用于对原始脑电信号进行预处理，得到第一脑电信号；

所述时域信号去噪单元用于对第一脑电信号进行去噪处理，得到去噪后的第一脑电信号；

所述时频域转化单元用于将去噪后的第一脑电信号转化为频域脑电信号；

所述频域信号平滑单元用于对频域脑电信号进行平滑处理，得到第二脑电信号即优化后的脑电信号。