针对大学生心理和身体健康的生物反干预的有效性,通过使用机器学习作为生物标记物的语言和生理学:一种随机对照试验
Lifei Wang1,2, Rongxun Liu1,2,3, Yang Wang1,2,4
1Early Intervention Unit, Department of Psychiatry, The Affiliated Brain Hospital of Nanjing Medical University, Nanjing, People's Republic of China.
Applied psychophysiology and biofeedback
|January 2, 2024
概括
生物反疗法有效地改善了大学生的抑郁,焦虑和失眠. 像能量参数和MFCC这样的语音特征为评估治疗反应和预测心理健康干预措施的有效性提供了客观指标.
科学领域:
- 心理学和精神病学 心理学和精神病学
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
背景情况:
- 生物反疗法依赖于生理信号,但缺乏评估治疗有效性的客观指标,特别是在情绪健康方面.
- 语音特征为传达情绪状态提供了一个精确,客观的模式,可能会增强精神病学评估.
- 大学生的情绪问题需要创新,客观的评估和治疗方法.
研究的目的:
- 研究生物反疗法在改善大学生情绪状态方面的有效性.
- 探索语音和生理特征作为生物反治疗反应的客观指标的实用性.
- 使用语音特征和人工神经网络开发治疗疗效的预测模型.
主要方法:
- 一项为期4周的随机对照试验,涉及有焦虑或抑郁症状的大学生.
- 在基线和治疗后收集语音,生理和临床症状数据.
- 分析语音特征 (能量参数,MFCC) 和生理特征,以进行群体比较和与症状变化相关联,以及基于ANN的预测建模.
主要成果:
- 在生物反治疗后,抑郁症 (p=0.001),焦虑 (p=0.001),失眠 (p=0.013) 和压力 (p=0.004) 严重程度有显著的改善.
- 与等待名单组相比,生物反组的言语和生理特征显示出显著的变化,与症状减少相关.
- 使用语音特征的人工神经网络模型在预测治疗反应方面达到约60%的准确性.
结论:
- 生物反治疗是一种可行的方法,可以提高大学生的心理健康,解决焦虑,抑郁和失眠问题.
- 语音特征,特别是能量参数和Mel-Frequency Cepstral Coefficients (MFCCs),作为追踪生物反治疗有效性的客观和准确标记.
- 语音分析与生物反的整合为早期查和个性化治疗情绪障碍提供了一个有希望的新途径.
