用眼镜成像检测抑郁症的三流卷积神经网络

科学领域:

• 眼科和神经科学 眼科和神经科学
• 医疗保健中的人工智能
• 计算精神病学是一种计算精神病学.

背景情况:

• 抑郁症是一种广泛的精神障碍,对精神和身体健康有重大影响.
• 目前的抑郁症诊断依赖于主观的临床评估,由于缺乏客观生物标志物,存在误诊的风险.
• 眼动模式和瞳孔膨胀正在成为抑郁症情绪和认知功能障碍的潜在客观指标.

研究的目的:

• 利用眼镜成像数据开发一种用于抑郁症检测的自动化方法.
• 探索从眼睛运动来诊断抑郁症的时空和语义特征的实用性.
• 为了克服先前研究的局限性,这些研究依赖于手动提取的眼动特征.

主要方法:

• 提出了一个新的三流卷积神经网络 (TSCNN) 模型来检测抑郁症.
• 杆原始眼部成像数据,通过光学流通过变化的采样间隔结合时空信息.
• 从范式图像中集成的语义信息,使用编码器作为分类任务的预先知识.

主要成果:

• 在自主收集的数据集上,TSCNN模型实现了79.3%的分类准确性.
• 该方法有效地利用了来自眼镜成像的动态 (时空) 和静态 (语义) 特性.
• 证明了深度学习在客观抑郁评估的原始眼部数据上的潜力.

结论:

• 拟议的TSCNN方法提供了一个有希望的,数据驱动的方法来检测抑郁症.
• 用先进的人工智能分析的眼镜成像可以作为诊断抑郁症的宝贵工具.
• 这项研究突出了在客观心理健康诊断中未来临床实用性的重大潜力.