一种基于自适应图卷积的抑郁症EEG多层次信息处理方法

本发明公开了一种基于自适应图卷积的抑郁症EEG多层次信息处理方法。首先对脑电信号提取五个不同频段的微分熵特征作为特征矩阵；通过计算不同电极间的皮尔逊相关系数构建功能连接矩阵，同时根据电极的三维空间坐标计算电极间的测地距离，形成空间结构矩阵，对功能连接矩阵和空间结构矩阵分别单独点乘一个共享掩码参数矩阵，然后结合作为邻接矩阵；将特征矩阵和邻接矩阵共同输入到图卷积网络模型中进行训练。本发明不仅丰富了大脑网络结构信息，为检测抑郁症患者提供了多个层次的视角，并且还通过可自动更新的共享掩码参数矩阵在训练中识别对抑郁症检测更重要的连接，增强模型的可解释性，为基于脑电的抑郁症患者识别提供了更加准确可靠的解决方案。