基于对比学习与少样本的创伤后应激障碍脑电分类系统设计_心理健康与精神医学_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.01万字
  • 约 26页
  • 2026-11-21 发布于北京
  • 举报

基于对比学习与少样本的创伤后应激障碍脑电分类系统设计_心理健康与精神医学_2026年课程设计.docx

PAGE1

摘要

创伤后应激障碍(PTSD)的客观辅助诊断长期依赖量表访谈,主观性强且易漏诊。静息态脑电(EEG)具有非侵入、成本低、对情绪障碍敏感等特点,是构建客观辅助诊断手段的理想信号源。但精神医学临床场景中确诊样本获取困难,单中心可用标注数据通常仅有数十例,深度模型在小样本条件下极易过拟合,跨被试、跨设备条件下泛化能力进一步下降,这是EEG辅助诊断落地的核心痛点。

针对上述问题,本文设计并实现了少样本对比学习分类框架FS-CLNet。该框架采用两阶段策略:第一阶段在无标注EEG片段上以时间掩蔽、幅值缩放、加噪等增强构造正负样本对,通过基于记忆库的InfoNCE损失进行自监督对比预训

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档