模糊熵和深度学习在精神分裂症中的应用研究

作者：田程; 胡廷; 曹锐; 相洁

来源：计算机工程与应用, 2020, 56(03): 152-158.

• 精神分裂症
• 模糊熵
• 卷积神经网络
• 分类

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%。

• 单位
  太原理工大学