论文部分内容阅读
相比抑郁症,轻度抑郁更为常见,随着时间变化可能发展成中度或重度抑郁,给患者带来更大痛苦和负担。然而,其诊断面临缺乏确定诊断标准、具有较强主观影响等挑战,而且很少有研究关注轻度抑郁的有效监测。本研究用脑电(Electroencephalography,EEG)-眼动(Eye Movement,EM)同步采集网络同时记录20名轻度抑郁和19名正常对照大学生在自由浏览情绪面孔图片任务期间的EEG和EM信号,拟开发一个客观有效的轻度抑郁检测系统,辅助医生诊断、监测轻度抑郁症。基于自动编码器,本文进行了三部分研究。1.基于脑电/眼动特征进行单模轻度抑郁识别研究,结果显示单模脑电/眼动特征可在Neu_block和Emo_block两个组块上有效识别轻度抑郁,并分别达到77.37%和74.84%的最高分类准确率。2.基于脑电、眼动信号进行双模轻度抑郁识别研究,本文使用两种模态融合策略(特征融合和隐层融合)来融合EEG和EM信号,利用不同模态的互补性改善轻度抑郁的识别性能。结果显示,两种模态融合策略都能提高轻度抑郁的识别准确率,其中隐层融合策略表现更加突出,特征融合和隐层融合策略分别达到81.74%和83.93%的最高分类准确率。3.基于脑电、眼动信号进行跨模态轻度抑郁识别研究,本文使用了两种策略(EM训练、EEG训练)进行跨模态研究,探究通过自动编码器学习到的共享表示,是否在脑电、眼动两种模态中具有共通性。结果显示两种策略都可实现有效跨模态轻度抑郁识别,EEG训练方法表现更突出,EM/EEG训练在多个分类算法和多个EEG波段上达到60%/70%以上的分类准确率,两种策略可分别达到70.29%、75.32%的跨模态最高分类准确率。跨模态轻度抑郁研究具有很强的研究价值,尤其是在某种模态采集困难、费用昂贵或某种模态缺失时将发挥重要意义。本研究对脑电/眼动有效特征及其与抑郁的关联性进行了分析,结果表明基于脑电、眼动的单模/双模/跨模态轻度抑郁识别可能成为轻度抑郁早期诊断的关键,相关研究成果对轻度抑郁的辅助诊疗提供了理论依据,为基于脑电、眼动的轻度抑郁识别研究应用提供了技术支持。