关于使用房子树人图纸进行抑郁症自动分析的可行性研究
Jie Zhang1, Yaoxiang Yu1, Vincent Barra2
1Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University, Wuhan, China.
概括
这项研究表明,来自House-Tree-Person (HTP) 测试的图纸可以用机器学习来检测严重抑郁症. 这为大规模的抑郁查提供了一种低成本的方法.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 大型抑郁症的诊断依赖于主观评估和昂贵的生理数据.
- 传统的机器学习方法用于抑郁症检测需要昂贵的数据采集 (例如,EEG,MRI).
- 需要具有成本效益的,可扩展的抑郁症查方法.
研究的目的:
- 探索使用房子-树-人 (HTP) 图纸用于自动检测大条的可行性.
- 开发一种低成本,大规模的抑郁症查工具.
- 分析HTP绘图特征与抑郁病理学的关系.
主要方法:
- 从有重大抑郁风险的个人中收集了309个HTP抽取,从对照组中收集了290个.
- 从HTP草图中提取了八个特征.
- 使用四个具有交叉验证的机器学习模型进行分类功能.
- 执行威尔科克森等级总和测试来分析特征意义.
主要成果:
- 在使用HTP图纸检测抑郁症时,达到97.2%的最佳分类准确率.
- 从8个提取的HTP特征中,7个显示了抑郁和非抑郁群体之间的显著差异.
- 在严重抑郁症和没有严重抑郁症的个体之间,HTP图纸显示出显著的差异.
结论:
- 可以有效地利用HTP图纸进行自动沟识别.
- 这种方法为大规模的抑郁症查提供了可行且具有成本效益的替代方案.
- HTP绘图分析为抑郁症的检测和评估提供了一个新的途径.
