随着现代社会的快速变化,心理健康问题日益突出,其中抑郁障碍的发病率逐年上升,已经成为全社会凸显的心理问题。军人作为特殊群体,因环境封闭、训练强度大、纪律要求严、危险系数高等特点,长期承受着巨大的工作、生活和心理压力,更容易出现心理健康问题。有数据显示,近年来以抑郁障碍为代表的心理障碍已经成为我军部队的新高发病种[1],严重危害和削弱了我军战斗力。当前,新一轮军改正深入推进,规模结构重组,力量体系重塑,备战打仗的标准要求越来越高,演习演训的规模强度持续增大,对官兵的心理素质提出了更高的标准和更严的要求。目前的征兵心理筛查,主要是对精神分裂症高危的应征青年进行筛查和淘汰,而对抑郁障碍高危人群的检测和识别还缺乏有效手段。因此,在征兵心理检测或军人健康体检心理检测中,增加抑郁障碍高危人群的筛查,从源头上阻断抑郁障碍高危人群,从而降低部队抑郁障碍的发生率,对于促进官兵心理健康、维护军营安全稳定和提高部队战斗力具有十分重要的意义。本研究在多质融合理念的指导下,融合心理测验编制、自然语言分析、眼动模式探索和机器学习分类等多种技术,编制抑郁障碍高危人群筛查量表,应用自然言语分词技术评估量表的语言结构认知单元,深入分析抑郁障碍高危人群在量表作答过程中的眼动特征,并采用机器学习的方法,分别选取词性、扫描路径、应答选项的眼动特征进行分类,为探索心理检测多质融合技术研究和准确高效地筛查抑郁障碍高危人群提供了实验依据和数据支持。本研究主要分为三个部分:第一部分,抑郁障碍高危人群筛查量表编制与信效度检验,包括3个实验。实验一是编制抑郁障碍高危人群筛查量表。实验二是对抑郁障碍高危人群筛查量表信效度进行检验。实验三是运用自然语言分析的方法对比抑郁障碍高危人群筛查量表和传统经典量表,分析抑郁障碍高危人群筛查量表的语言特点。第二部分,抑郁障碍高危人群和正常人群量表作答时的眼动特征研究,包括2个实验。实验四是研究量表作答过程中两组人群在“题干”、选项“是”、选项“否”3个兴趣区（Areas of Interest,AOI）的眼动差异,并选取时间维度和空间维度的代表性指标,探索两类人群作答量表时的眼动特征。实验五是两组人群主观应答与客观眼动指标的关系研究,通过对两组人群的量表得分与其眼动特征的相关性分析,探索内在联系,为用眼动特征进行机器学习分类,辅助筛查抑郁障碍高危人群提供依据。第三部分,抑郁障碍高危人群量表应答与眼动联合筛查研究,包括3个实验。实验六,对答题兴趣区按照词性进行细化,探索两类人群对词性的认知差异,并用特征选择支持向量机递归特征消除算法（Support vector machine recursive feature elimination,SVM-RFE）对人群进行分类,探讨利用词性注视频数差异辅助识别抑郁障碍高危人群的模式。实验七,比较抑郁障碍高危人群和正常人群在作答自评量表过程中眼动扫描路径,使用Scan Match算法对人群进行分类,探讨基于扫描路径特征辅助识别抑郁障碍高危人群的模式。实验八,逐题探索被试在肯定回答和否定回答之间的眼动差异,采用随机森林算法逐题对肯定回答或否定回答进行识别,生成“逐题应答眼动特征识别器”,用SVM构建基于“逐题计分模式”的抑郁障碍高危人群识别模型。研究结果:结果一,本研究编制的抑郁障碍高危人群筛查量表由抑郁障碍高危人群状态筛查量表（High Risk Depression-State,HRD-S）和抑郁障碍高危人群特质筛查量表（High Risk Depression-Trait,HRD-T）组成。条目的通俗性为0.02-0.05;保留条目的题总相关系数均大于0.40;条目区分度均大于3.00;探索性因子分析,HRD-S包含4个维度,分别是情绪状态、生理状态、认知状态和睡眠状态;HRD-T包含6个维度,分别是悲观消极、敏感退让、兴趣缺乏、缺乏自信、急躁忧虑和心态脆弱。结果二,对抑郁障碍高危人群筛查量表进行信效度检验,HRD-S的Cronbach’s alpha为0.93,分半信度为0.85,重测信度为0.83;HRD-T的Cronbach’s alpha为0.95,分半信度为0.88,重测信度为0.82。对HRD-S表进行验证性因子分析,CFI和TLI值均为0.98,RMSEA值为0.03。对HRD-T进行验证性因子分析,CFI和TLI值分别为0.98、0.99,RMSEA值为0.02。追踪研究发现抑郁障碍高危人群筛查量表的预测符合率为88.69%。结果三,对抑郁障碍高危人群筛查量表进行语言结构特征分析,HRD-S、HRDT与经典量表（SDS、CES-D、BDI）相同的是高频词的词性（即动词、代词、名词、副词和形容词的词频要多于其他词性的词频）和各词性出现的频数分布;不同的是HRD-S的构词比为60.50%,HRD-T的构词比63.30%,略高于传统经典量表;HRDS的平均信息比为61.21%,HRD-T的平均信息比为61.73%,题目难度与SDS和BDI的难度接近。结果四,在正向计分题目的AOI1上,抑郁障碍高危人群的平均注视点个数显著多于正常人群（p＜0.01）、平均注视时长显著短于正常人群（p＜0.01）;在AOI2上,抑郁障碍高危人群的平均注视点个数显著多于正常人群（p＜0.01）,平均注视时长显著长于正常人的特点（p＜0.01）;而在AOI3上,抑郁障碍高危人群平均注视点个数显著少于正常人群（p＜0.01）,平均注视时长显著短于正常人群（p＜0.01）。在反向计分题目上,抑郁障碍高危人群在AOI1上与正向计分时呈现的眼动特点一致,而在AOI2、AOI3上与正常人无显著性差异。结果五,抑郁障碍高危人群的量表得分与AOI3上的注视点个数、平均注视时长呈显著负相关（r=-0.33,p＜0.05;r=-0.33,p＜0.05）;正常人群的总得分与AOI2上的注视点个数、平均注视时长呈显著正相关（r=0.35,p＜0.05;r=0.37,p＜0.05）。结果六,抑郁障碍高危人群和正常人群在动词、代词、名词、形容词、数词这些词性上的注视频数均显著高于正常人群（均p＜0.05）,以词性注视频数差异为特征对抑郁障碍高危人群和正常人群的分类准确率为81.00%。结果七,以扫描路径为特征对两类人群进行识别时,单道题目对两类人的分类准确度平均在75.00-85.00%之间,每个维度的人群识别率均在70.00-80.00%之间;悲观消极、缺乏自信、急躁忧虑、自责自罪、敏感退让、心态脆弱各维度对人群识别率分别为78.18%、79.29%、72.00%、74.17%、77.35%、76.33%;对抑郁障碍高危人群的识别率为80.73%。结果八,以每道题目肯定回答和否定回答为分类标签,可以提炼出不同回答时各自的眼动特征模式,从而进一步进行被试逐题作答的选项分类。用逐题应答眼动指标识别62道题目作答的平均识别准确率可达80.47%,通过“逐题计分模式”构建的人群识别率可以达到88.40%。研究结论:第一部分,编制的抑郁障碍高危人群筛查量表,通过信效度检验表明该量表具有良好的信效度。此外,通过运用自然语言分词技术对抑郁障碍高危人群筛查量表和传统量表的语言结构对比,说明本研究编制的量表具有与传统量表相似的句式结构、难易程度等,但在描写情绪心态和表达感受的等级上,用词表达更为细腻,更适合结合眼动获取抑郁障碍高危人群在句法结构上的时间和空间特征。第二部分,从时间和空间维度证明了抑郁障碍高危人群与正常人群作答量表时具有各自的眼动特征。抑郁障碍高危人群与抑郁障碍病人类似,在阅读题干时表现出多次短时间阅读、单次捕捉信息少的特点,在作答量表时表现出对负性认知卷入度更高的特点。同时,被试作答量表的眼动特征与量表得分之间存在相关,说明眼动可以作为区分不同人群的观测指标第三部分,结合量表应答过程的不同认知过程,分别探讨了3种“量表+眼动”筛查抑郁障碍高危人群的模式。各种筛查模式中认知过程对应的眼动特征对人群的识别率在小样本的前提下均可达到80.00%左右,其中以“逐题计分模式”建模对人群的识别率可达88.40%,体现出了眼动特征的应用价值。本研究的创新和意义在于:1.探讨了抑郁障碍高危人群状态及特质的理论结构,编制了抑郁障碍高危人群筛查量表,为应征人员入伍心理选拔提供了实用工具;2.发现了抑郁障碍高危人群筛查量表作答时的眼动特征和主观应答与客观指标间存在的相关关系,证实眼动轨迹特征是判别主观应答倾向性心理活动的有效指标;3.构建“行为应答-词性”、“行为应答-扫描路径”、“是否应答-眼动特征”的识别模型,提出“行为应答、眼动特征和肯定-否定倾向”的三维判别结构,提高了对假阴性和假阳性的识别效率,解决了自陈式量表反应偏差的问题。