HYBRIDE DEPRESSIONSERKENNUNG MIT BILSTM

Heutzutage ist ein bedeutender Teil der Gesellschaft aufgrund von psychischen Belastungen von Depressionen betroffen. Es kann mehrere Gründe für eine Depression geben, besonders bei Erwachsenen. Da jeder Mensch andere Symptome hat, ist ihre Identifizierung eine große Herausforderung. Die meisten Menschen schrecken davor zurück, zu akzeptieren, dass sie an einer Depression leiden, während andere sich ihrer depressiven psychischen Verfassung nicht bewusst sind. Das Ziel dieser Arbeit ist es, ein praktisches Werkzeug oder Modell zur Diagnose von Depressionen zu entwerfen und zu entwickeln. In dieser Arbeit wird ein hybrides System zur Erkennung von Depressionen unter Verwendung von EEG-Merkmalen entworfen und simuliert, wobei Gesichtsmerkmale als biologisches Merkmal eine genaue Diagnose ermöglichen. Das EEG (Elektroenzephalogramm) ist die adaptivste Methode, die unter allen biologischen Signalen den tatsächlichen mentalen Zustand widerspiegeln kann.

Autorentext

Me llamo Danniel Shazmeer. He completado mi Master en Tecnología de la Información en la Universidad de la Ciudad de Malasia. Me gusta conocer gente nueva y encontrar formas de ayudarles a tener una experiencia edificante. Atribuyo este éxito a mi habilidad para planificar, programar y manejar muchas tareas diferentes a la vez.