以可解釋性深度學習模型診斷憂鬱症及預測重要性穿顱磁刺激療效

作品摘要

重複性穿顱磁刺激（rTMS）是一個非侵入性、具有前景的憂鬱症療法。在此研究中，我們提出了一套使用可解釋性神經網路來分析腦磁波（MEG）的方法，不僅可以輔助醫師診斷憂鬱症，還可以預測重複性穿顱磁刺激對憂鬱症病患之療效。對於資料處理，我們使用快速傅立葉變及 Signal Space Separation。對於可解釋性的神經網路，我們將我們提出的模型與 EEGNet 比較，我們的模型得到了較好的結果。此外，分析並視覺化神經網路中的參數後，我們還可得到大腦活動的指標可供未來的研究及臨床使用。