基于图编码小样本学习的精分EEG分析及应用.pdfVIP

基于图编码小样本学习的精分EEG分析及应用.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景与意义1

1.2国内外研究现状2

1.2.1基于EEG的精神分裂症的相关研究2

1.2.2基于深度学习方法的相关研究2

1.3研究内容4

1.4论文组织架构5

第二章相关理论与技术7

2.1功能连接与脑网络7

2.2脑电信号特征提取与特征选择7

2.2.1时域特征8

2.2.2频域特征11

2.2.3脑网络特征11

2.2.4相关性分析和方差分析12

2.3神经网络13

2.3.1基本结构与运算13

2.3.2批归一化13

2.3.3正则化14

2.4卷积神经网络14

2.5自注意力机制15

2.5.1线性变换15

2.5.2相似度计算15

2.5.3注意力权值计算16

2.6图卷积神经网络16

2.7小样本学习17

2.7.1基于相似性的度量学习17

2.7.2基于类心思想的原型网络18

2.7.3支持集和查询集19

2.8本章小结19

第三章基于GCN和注意力机制的GE-NSPN模型21

3.1工作流程和GE-NSPN模型架构的构建21

3.2EEG数据预处理21

3.3自适应脑网络的构建22

3.4图编码特征的提取24

3.5节点空间特征的提取26

3.5.1网络架构26

3.5.2计算距离29

3.5.3损失函数30

3.6本章小结31

第四章基于GE-NSPN模型的精神分裂症分类识别33

4.1实验数据33

4.1.1数据来源33

4.1.2数据预处理33

4.2实验设置34

4.2.1评估指标35

4.2.2训练与测试36

4.2.3实验参数和说明36

4.3节点特征选择37

4.4频段、特征和k值对预测结果的影响38

4.4.1不同频段对预测结果的影响44

4.4.2特征组合对实验结果的影响46

4.4.3k值对实验结果的影响47

4.5原型相关对比实验49

4.6本章小结50

第五章总结与展望51

5.1工作总结51

5.2工作展望52

参考文献53

在学期间取得的科研成果61

致谢63

摘要

脑科学是“十四五”发展规划的研究重点,脑科学的相关研究有助于理解大脑

的机理,并进一步对精神分裂症进行有效诊断。近年来,图模型和小样本学习模型

成为研究精神分裂症的热门方法,也是对精神分裂症有效识别的方法。然而,图模

型根据固定的功能连接指标构建脑网络,使脑节点之间存在虚假连接;其提取特征

方式简单,忽略特征在时间或者空间的关系。除此之外,该类模型对数据量的依赖

较大,在少量数据条件下难以对精神分裂症进行精确识别。

因此,针对上述问题,本文提出基于图卷积神经网络和注意力机制的图编码节

点空间原型网络模型,并将该模型应用于精神分裂症的分类诊断任务中。本文的主

要研究内容如下:

(1)针对模型运用固定功能连接指标构建脑网络,使

文档评论(0)

营销资料库 + 关注
实名认证
文档贡献者

本账号发布文档部分来源于互联网,仅用于技术分享交流用,版权为原作者所有。 2,文档内容部分来自网络意见,与本账号立场无关。

1亿VIP精品文档

相关文档