基于多任务学习网络的自闭症诊断及严重程度评估方法

本发明公开了一种基于多任务学习网络的自闭症诊断及严重程度评估方法，具体包括：同步采集多通道脑电信号，并对其进行降噪与自适应滤波处理，然后将处理后的信号进行矩阵编码转换；设计基于并行膨胀卷积分支的Inception模块捕获不同尺度的脑电空间特征信息，进一步构建基于门控单元的Inception‑BiGRU网络提取并融合脑电信号的空间特征和时序特性；基于知识蒸馏实现多任务学习，利用从自闭症严重程度评估中得到的更复杂和细致的信息来提高自闭症诊断这一基础任务的性能；为不同部分的损失函数分配权重，并通过优化算法对模型进行更新学习。本发明能实现自闭症诊断及其严重程度评估。