机构名称：
¥ 1.0
摘要 简介：性取向是否是一种具有神经功能足迹的生物学特征尚不清楚。借助深度学习，无需先验选择特征即可对生物数据集进行分类的能力已大大提高。本研究的目的是使用深度学习正确分类不同性取向男性的静息态脑电图 (EEG) 数据，并探索识别所学区别特征的技术。方法：使用三个队列（同性恋男性、异性恋男性和混合性别队列）、一个预先训练的性别分类网络和一个新训练的性取向分类网络对性别进行分类。此外，还使用 Grad-CAM 方法和源定位来识别网络用于区分的时空模式。结果：使用预先训练的网络对男性和女性进行分类，男性和女性的分类之间没有差异
深度学习在性取向相关脑电图源识别中的应用
主要关键词
相关文件推荐
