一种基于时空特征融合的动态图卷积脑电抑郁检测方法

本发明提供了一种基于时空特征融合的动态图卷积脑电抑郁检测方法，该方法首先将样本切分为1秒长度的片段，并采用Welch方法计算功率谱密度(PSD)作为输入特征，通过双分支架构同步提取EEG信号的时序与空间特征：一个分支利用GRU捕捉EEG信号的长期时序依赖性；另一分支采用改进的TSCN网络(引入可分离卷积)，通过残差分层堆叠的因果卷积与膨胀卷积，提取从精细到粗略的多尺度空间特征，基于注意力机制自适应融合双分支特征后，构建动态图结构并利用图卷积网络建模脑区间的功能连接演化，网络通过反向传播过程优化其拓扑结构，最终经Softmax分类器实现抑郁症识别。该方法融合了GRU的时序建模能力与TSCN的多尺度空间分析能力，突破单一模型表征局限，通过动态图卷积自适应捕捉脑功能网络动态变化，增强生理可解释性，实现了EEG时空特征的深度互补融合，显著提升了抑郁识别准确率，为精神疾病辅助诊断提供了高效工具。