基于在心理任务中记录的电子手写识别主要抑郁症
Chong Li1, Kunxue Zhang2, Qunxing Lin3
1Department of Psychiatry, Zhujiang Hospital, Southern Medical University, No. 253, Industrial Avenue Zhong, Guangzhou, Guangdong, China.
BMC medicine
|May 13, 2025
概括
抑郁症改变了手写模式,抑郁症患者表现出明显的压力,速度和紧张. 一个机器学习模型使用这些电子手写特征准确地识别主要抑郁症 (MDD).
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 数字健康数字健康
背景情况:
- 调查抑郁期间手写模式的变化.
- 探索电子手写分析在诊断严重抑郁症 (MDD) 中的潜力.
研究的目的:
- 为了确定抑郁症和没有抑郁症的个体之间手写特征是否有所不同.
- 开发和验证使用电子手写数据识别MDD的模型.
主要方法:
- 使用电子平板电脑收集了130名患有抑郁症的患者和117名健康对照者的手写数据.
- 分析了手写特征,如压力,速度和倾斜,使用统计和机器学习模型 (LightGBM).
- 使用接收器操作曲线下的交叉验证面积来评估模型性能.
主要成果:
- 患有抑郁症的患者显示出明显更高的最低手写压力,平均手写速度升高,笔尖动增加.
- 轻GBM模型在接收器操作曲线下实现了高交叉验证面积 (平均值为0.90).
- 在负面问题答案任务中,手写分析在识别MDD方面表现出了卓越的表现.
结论:
- 电子手写分析揭示了抑郁症患者的不同模式.
- 开发了一个基于手写的MDD识别的经济有效,快速和有效的机器学习模型.
- 这些发现支持未来开发心理健康的多式联络识别系统.
