.png){kind=icon}
返回
Initial Study on Mental Disease Detection System Using Welch Transform and Machine Learning-Based Methods
.png){kind=icon}
OA
AI
DOI：10.3390/app16104697.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
社会对心理健康挑战的意识增强显著减少了心理障碍的污名化，促使更多人寻求专业支持，这给从教育机构到紧急服务机构的心理健康服务带来了前所未有的压力，促使各机构实施系统性筛查方案以识别需要干预的个体。然而，对快速、准确诊断的日益增长的需求持续挤压有限的专业资源。本研究引入了一种基于脑电图（EEG）信号经Welch功率谱密度估计处理的创新机器学习框架用于精神障碍检测。与传统的快速傅里叶变换（FFT）方法不同，本方法生成精细化的二维频谱图，捕捉脑波幅度（以dB为单位）并伴随精确的峰值频率识别。这种计算高效的周期图变体在减少模型训练开销的同时，实现了适用于实时诊断应用的稳健特征提取。初步分析表明，与标准FFT周期图相比，Welch变换在信号表征上具有优势，揭示了与各种心理健康状况相关联的特异神经生理模式。该方法保持高计算效率，支持在临床筛查环境中的潜在部署。
Keyword:
Welch transform
electroencephalography
mental disorder detection
frequency-domain analysis
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
NeuroXAI: Explainable Deep Learning for EEG-Based Detection of Alzheimer's and Parkinson's DiseasesBunterngchit, C.; Baniata, L.H.; Rasool, A. NeuroXAI：基于EEG的阿尔茨海默病和帕金森病检测的可解释深度学习。在2025年IEEE第25届国际生物信息学与生物工程会议（BIBE）会议录，希腊雅典，2025年11月6—8日；第612—619页。[Google Scholar][CrossRef]
PREAI
分享收藏Utterance Level Feature Aggregation with Deep Metric Learning for Speech Emotion Recognition.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Adolescent Depression Detection Model Based on Multimodal Data of Interview Audio and Text基于访谈音频和文本多模态数据的青少年抑郁检测模型
PREAI
分享收藏The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms使用快速傅立叶变换来估计功率谱: 一种基于对短的，修改的周期图进行时间平均的方法
PREAI
分享收藏
查看更多内容