一种基于自适应Lasso的抑郁症特征提取方法及系统

本发明公开了一种基于自适应Lasso的抑郁症特征提取方法及系统，该方法包括：获取患者的EEG脑电信号并进行数据预处理，得到预处理后的EEG脑电信号；基于Elastic Net稀疏回归模型，引入自适应Lasso方法，对预处理后的EEG脑电信号进行多尺度特征提取融合处理，得到EEG脑电信号特征融合矩阵；基于L2正则化逻辑回归分类器，引入自适应学习率与错误率加权策略，对EEG脑电信号特征融合矩阵进行分类预测，得到抑郁症识别结果。通过使用本发明，通过平衡网络模型的全局视角和局部视角的细节，进而提高网络模型对于高维数据的处理能力，提高抑郁症的识别精度。本发明作为一种基于自适应Lasso的抑郁症特征提取方法及系统，可广泛应用于计算机辅助医疗技术领域。