Acceso usuarios
En los últimos años, los problemas de salud mental de los deportistas se han vuelto cada vez más graves y, debido a la complejidad e invisibilidad de las enfermedades mentales, es difícil detectarlas e intervenir en su etapa inicial debido a diversas razones. Con la explosión de datos biomédicos y el rápido desarrollo de la tecnología de reconocimiento de patrones, el problema de reconocer enfermedades mentales se puede resolver mediante el uso de tecnología relacionada con la inteligencia artificial. Este artículo propone un modelo de reconocimiento de enfermedades mentales basado en Roberta Text CNN. Basado en el modelo Roberta Text CNN, se construye un modelo de clasificación de texto para dos tipos de etiquetas, a saber, enfermedad mental y tendencia suicida, y se lleva a cabo un experimento de comparación con varios modelos convencionales. Los resultados experimentales muestran que el método propuesto logra resultados competitivos. Además, este documento también presenta las señales de EEG que se deben organizar en matrices dimensionalmente consistentes utilizando los coeficientes espectrales invertidos de Mel para el cambio de escala, y luego las ingresa en la red neuronal convolucional como características de imagen para una mayor extracción de características de alta dimensión y fusión en serie de características de EEG y luego las ingresa en la red de memoria a largo y corto plazo, y la aplicación de la tecnología de reconocimiento de patrones proporciona un modelo de reconocimiento de enfermedades mentales de dos ramas, que mejora aún más la capacidad de detección y prevención de enfermedades mentales tempranas en atletas. La aplicación de la tecnología de reconocimiento de patrones proporciona un modelo de identificación de enfermedades mentales de dos ramas, que mejora aún más la capacidad de detección y prevención de enfermedades mentales tempranas en atletas.
In recent years, the mental health problems of athletes have become more and more serious, and due to the complexity and invisibility of mental illnesses, it is difficult to detect and intervene in the early stage of mental illnesses due to a number of reasons. With the explosion of biomedical data and the rapid development of pattern recognition technology, the problem of recognizing mental illnesses can be solved by using artificial intelligence related technology. This paper proposes a mental illness recognition model based on RobertaText CNN. Based on RobertaTextCNN model, a text classification model is built for two types of labels, namely, mental illness and suicidal tendency, and a comparison experiment is carried out with several mainstream models.The experimental results show that the proposed method achieves competitive results. In addition, this paper also introduces the EEG signals to be organized into dimensionally consistent matrices using Mel's inverted spectral coefficients for scale change, and then inputs them into the convolutional neural network as image features for further extraction of high-dimensional features and serial fusion of EEG features and then inputs them into the long and short-term memory network, and the application of the pattern recognition technology provides a two-branch mental illness recognition model, which further enhances the capability of screening and preventing early mental illnesses in athletes. The application of pattern recognition technology provides a two-branch mental illness identification model, which further enhances the ability of screening and prevention of early mental illness in athletes.
