新冠疫情对人们的生活方式、社交关系和工作状态产生了深刻的影响。很多人因为疫情而被迫停工、失业或者需要居家隔离,这些变化可能会导致人们引发极度的抑郁、焦虑和沮丧等消极情绪。大量的研究表明,正念冥想是一种通过注意力集中和自我观察来培养自我意识和关注现在的技能。它被证明对于减轻抑郁症状、提高情绪稳定性、减少焦虑和增强认知能力等方面都有很好的效果。然而目前大多数的研究都集中在利用正念冥想对抑郁症人群或者复发性抑郁症的干预,以及对这些人群脑电信号的分析,或者说利用神经反馈和正念冥想相结合来进行干预,鲜少有研究真正检测正念水平以及对其进行评估。正念水平表Chengjiang Biota示一种对正念的接受的心理状态。通过对正念水平进行检测,一方面可以了解个体的正念能力和应对抑郁、情绪等方面的能力;另一方面可以评估干预效果,了解个体在正念方面的变化,及时调整干预方案和策略。正念水平低的人通常具有更差的情绪调节能力、更高的抑郁和焦虑水平,从而更容易发展成抑郁症、焦虑症等疾病。所以检测自身的正念水平是很有必要的。因此,本文针对阈下抑郁人群进行了正念水平检测实验,并且构建了基于脑电的正念觉知注意模型来检测正念水平,开发了一套可以实现数据读取、特征提取、特征选择和正念水平识别评估的可视化系统。本文的主要贡献与研究成果如下所示:(1)提出了基于F1＿weighted值的特征加权方法(Feature Weighting based on F1 Weighted Score,FWBFWS)。为了检测和评估正念水平,本文进行了正念水平检测实验,采集了Fp1、Fp2两个导联的脑电信号,通过四种特征选择算GDC-0068法在四种分类器上进行多组实验,最终选择基于互信息的特征选择算法提取出的36个脑电特征作为本模型的初步特征矩阵。然后为了评估每个特征各自的重要性,提出了基于F1＿weighted值的特征加权方法,在公开数据集和本文数据集上对比不同的特征加权方法在四种分类器上的实验结果,最终选择经过FWBFWS方法加权的36个特征矩阵作为本文模型的输入。(2)提出了基于脑电的正念觉知注意模型(Mindfulness Awareness Attention Model based on EEG,EEG-MAAM)。该模型结合了脑电(Electroencephalogram,EEG)和正念觉知注意量表(Mindfulness Awareness Attention Scale,MAAS),MAAS量表是当前评估正念水平的主流手段。该模型包括5个步骤,分别为数据收集、数据预处理、特征选择与特征加权、模型训练以及模型评价。使用上一章节计算出的36个脑电特征作为输入,进而通过深度信念网络(Deep Belief Networks,DBN)开始训练。为了提高分类性能,将顶层的Softmax分类器替换为随机森林分类器(Random Forest,RF),构建了DBN-RF分类模型,与此同时对比其他五种分类模型,在构建的本https://www.selleck.cn/products/liproxstatin-1.html文数据集中对正念水平进行了检测。用多个评价指标的结果表明,DBN-RF分类模型最高可以达到91.23%的分类准确率,对正念水平低中强的召回率最高可以达到92.51%、92.50%和89.64%,对正念水平中和强的F1值最高达到94.51%和90.68%。与其他五种模型相比,证明了本文分类模型的有效性,进一步证明了本文EEG-MAAM模型的可用性。(3)开发了基于EEG-MAAM模型的正念水平检测与评估系统。该系统主要由Java语言实现,部分功能基于Python和Matlab,系统的主要目的为正念水平的检测与识别,主要模块包括数据读取模块、特征提取模块、特征选择模块以及正念水平识别与评估模块。将本文提出的模型进行了实际的应用,也将本文工作进行了初步系统可视化实现。