基于深度学习的高准确率强迫症识别算法

针对基于深度学习的强迫症分类模型研究较少，深度学习模型对横向序列特征的提取不足，提取特征的价值密度较低等问题，本文提出了一种基于深度学习的高准确率强迫症分类模型OCD‑AttModel，用于脑电信号中的强迫症识别。模型充分考虑了受试者之间的差异性，通过对脑电信号窗口化和one‑hot编码，识别出具有判别力的稳健特征。利用Block1对空间维度特征进行提取，生成多个特征矩阵；随后通过Block2在横向序列维度上进行特征处理。每个特征提取模块后，插入融合空间Dropout与优化自注意力机制的特征修正模块，以筛选更高价值的特征，实现对强迫症的精准识别。