|
□建平 近日，一项来自中国科学院行为科学重点实验室的新研究表明，个体姿态控制所涉及的大脑神经网络与抑郁症密切相关，抑郁可以反映在步态中，用一台智能体感，设备就能自动化识别“你今天是否抑郁了”。 用智能体感设备记录 这一研究通过招募了126名抑郁症患者和121名健康者进行实验来完成的。其中病例组为某市属精神卫生医疗机构的抑郁症患者，其诊断结果是由精神科医生根据《精神障碍诊断与统计手册》完成的；对照组则是从社会招募的健康人群。 所有参与被试者均要在6米×1米的人行道上自然地来回行走两分钟，同时通过放置在一端的Kinect智能体感设备记录下其步态数据。Kinect智能体感设备具有无侵扰、低成本、易于使用的优点，它可以捕获人体25个躯体关节的三维坐标变化，而且其动作捕捉和动作监测的有效性已经被验证。 研究者对收所集数据进行了预处理，并提取了10个运动学特征、300个时域特征和825个频域特征，最后使用逻辑回归分析，探究不同类别步态特征对抑郁症识别的贡献，并利用机器学习技术训练抑郁识别模型。 动作幅度小、速度更低 该研究的结果表明，抑郁可以反映在步态中，不同类型的步态特征对抑郁识别的贡献不同；基于机器学习技术实现抑郁的自动化识别是有效的。 之前已有研究表明，个体姿态控制所涉及的大脑神经网络与抑郁症密切相关。与健康个体相比，抑郁患者在行走过程中的头部垂直运动减少、肢体动作幅度更小、步态速度更低。 目前全世界已有超过3亿的抑郁患者。虽然针对抑郁患者有多种治疗手段（如药物治疗、心理疗法等），但只有不到一半的患者接受了正确的治疗。这其中的一个重要原因就是抑郁症诊断的困难。因此，该研究探索更有效的识别抑郁的方法具有非常重要的意义。 与传统心理测量方法相比，基于步态数据的抑郁识别方法具有无侵扰、可回溯、自动化等特点，因此将该方法与传统测量方法相结合，能够有效地提升心理测量的应用范围与测量效率。 |
|
|
