机构名称：
¥ 1.0
摘要：抑郁症是社会、心理和生理等多种因素复杂相互作用的结果，研究抑郁症患者的脑部病变有助于医生了解抑郁症的发病机制，促进其诊断和治疗。功能性近红外光谱（fNIRS）是一种非侵入性检测大脑功能和活动的方法。本文首先建立了一种基于fNIRS的抑郁症处理综合架构，包括源层、特征层和模型层，以指导fNIRS的深度建模。鉴于抑郁症的复杂性，结合当前研究，我们提出了一种时频域的特征提取方法和抑郁症识别的深度神经网络。研究发现，与非抑郁症患者相比，抑郁症患者在大脑活动过程中脑区连接较弱，前额叶的激活程度较低。最后，基于原始数据、人工特征和通道相关性，AlexNet 模型表现出最佳性能，尤其是在相关性特征方面，准确率为 0.90，精确率为 0.91，高于 ResNet18 和其他数据上的机器学习算法。因此，脑区相关性可以有效识别抑郁症（与非抑郁症病例），对于抑郁症临床诊断和治疗中脑功能识别具有重要意义。
基于功能近红外光谱的抑郁症分析与识别
主要关键词
相关文件推荐
