基于时空图卷积神经网络的精神分裂症识别

Spatial-temporal graph convolutional neural network for schizophrenia recognition

二维码有效期 120s

摘要提出一种基于时空图卷积神经网络的精神分裂症患者分类方法,与过往仅分析脑电中的时频特征而忽略各脑区之间空间特征的主流方法不同,模型主要通过用不同通道之间小波相干系数构成的邻接矩阵和脑电序列进行图卷积的方式获取其中的空频特征,再通过一维时间卷积获取其中的时频特征,经过多次卷积后将处理过的矩阵扁平化后输入分类模型.实验结果表明本文方法在公开数据集Zenodo上的分类准确率达96.32%,证明本文方法的有效性,也证明融合时频、空频特征对精神分裂症诊断的优势.

作者徐信毅 ^[1] 李斌 ^[2] 朱耿 ^[3] 周宇星 ^[1] 林萍 ^[1] 李晓欧 ^[4] 学术成果认领

作者单位上海理工大学健康与科学工程学院,上海 200093 ^[1] 上海市杨浦区精神卫生中心,上海 200093 ^[2] 上海健康医学院医疗器械学院,上海 201318 ^[3] 上海理工大学健康与科学工程学院,上海 200093;上海市杨浦区精神卫生中心,上海 200093;上海健康医学院医疗器械学院,上海 201318 ^[4]

关键词精神分裂症时频特征空频特征图神经网络 schizophrenia temporal-frequency characteristic spatial-frequency characteristic graph neural network

分类号 R318 TP183

栏目名称 医学信号处理与医学仪器

DOI 10.3969/j.issn.1005-202X.2024.02.016

发布时间 2024-03-13

基金项目

上海市科委地方院校能力建设项目 上海健康医学院精神卫生临床研究中心项目 上海市杨浦区技术委员会卫生健康委员会科研项目