一种基于多模态域适应的抑郁障碍识别系统

本发明公开了一种基于多模态域适应的抑郁障碍识别系统，通过将脑电、皮肤电、心电三种信号的交互关系建模到深度学习框架中，实现了信号之间的动态融合与参数优化。该方法充分利用了多模态信号的互补信息，使得模型能够在复杂的生理数据中提取更具判别性的特征，有效提高了抑郁障碍识别的准确性和鲁棒性；通过两次拉近源域和目标域数据分布，成功挖掘出跨域共性特征；这种跨域对齐策略有效地提升了模型在不同数据域中的适应能力，显著降低了域偏移带来的负面影响。总体而言，本发明提供的识别方法在提高抑郁障碍检测准确性、增强模型泛化能力方面展现了显著的优势。