摘要
本发明公开一种基于睡眠脑电与多任务联合微调的抑郁症筛查方法,包括先获取一个在大规模、多中心PSG数据集上预训练好的、具有强大睡眠分期能力的深度学习基础模型;然后,在一个包含抑郁症标签和睡眠分期标签的目标数据集上,采用跨任务联合学习的策略对该基础模型进行微调,使其同时优化睡眠分期和抑郁症分类两个任务。本发明还提供了一种抑郁症筛查系统。本发明提供的方法能为抑郁症的早期、客观、自动化筛查提供有力的技术支持。
技术关键词
筛查方法
多任务
编码器
联合损失函数
分类器
筛查系统
信号
序列
高维特征向量
分支
输出特征
标签
阶段
训练集
数据
传播算法
小尺寸
大尺寸
变换器
系统为您推荐了相关专利信息
故障特征
故障诊断模型
诊断电动汽车
核极限学习机训练
样本
全局平均池化
图像分割方法
解码器
编码器
输入端
环境传感器数据
协方差矩阵
贝叶斯模型
多任务损失函数
分区
卡尔曼滤波模型
识别方法
桥梁悬索
协方差矩阵
识别系统