MMoGCN：感情および気分障害の認識のためのグラフ畳み込みネットワークモデルのマルチゲート混合

科学分野:

• 神経科学および計算精神医学
• 精神状態評価のための脳波（EEG）信号の分析におけるディープラーニングの応用。

背景:

• 感情状態と気分障害は相互に関連していますが、現在のディープラーニングモデルでは、しばしばそれらを個別に分析しています。
• 既存のモデルでは、感情および気分障害の認識の両方のためにEEGデータ内の共有特徴を活用することが困難です。
• この制限は、感情と気分障害の間の複雑な相互作用の包括的な理解を妨げます。

研究 の 目的:

• 感情および気分障害の同時認識のための新しいEEGベースのディープラーニングフレームワークを開発すること。
• 感情状態および気分障害の根底にある共有神経表現を調査すること。
• 感情と気分障害の間の複雑な関係を調査するための基盤を提供すること。

主な方法:

• マルチゲート混合エキスパートグラフ畳み込みネットワーク（MMoGCN）モデルの開発。
• 堅牢なEEG信号特徴抽出のための微分エントロピー（DE）の使用。
• マルチタスク学習のためのマルチゲート共有エキスパートモジュール（MGSE）、適応タスク固有タワー（ATST）、および適応重み付け損失（AWL）の組み込み。

主要な成果:

• MMoGCNは、最先端のベースラインと比較して、感情および気分障害の同時認識において優れたパフォーマンスを示しました。
• 公開されているDEAPデータセットでの検証により、モデルのスケーラビリティと一般化能力が確認されました。
• 本研究では、健常者と気分障害のある個人との間の感情反応における認知の違いを特定することに成功しました。

結論:

• 提案されたMMoGCNは、EEGベースの感情および臨床状態の同時認識のための効果的なマルチタスク学習アプローチを提供します。
• 本研究の結果は、EEGを用いた複雑な精神状態の分析に関する方法論的な洞察を提供します。
• 感情的および認知的側面の両方を対象とした認知リハビリテーション戦略のための潜在的なガイダンスを提供します。