本文轉自:人民日報客戶端

武少民

青少年抑鬱症是一種發生在青少年身上的心理病症。《2022年國民抑鬱症藍皮書》顯示,中國18歲以下抑鬱症患者佔抑鬱症患者總人數的30.28%,50%的抑鬱症患者爲在校學生,41%的患者曾因抑鬱休學。青少年抑鬱症已成爲我國一個重大的公共衛生問題,需要有效干預和及時調整。

實踐證明,在供給側嚴重不足的心理健康行業,通過人工智能+心理的解決方案,實現個性化、精準化的心理健康評估、診斷、分析、干預,擁有巨大的發展潛力。天津師範大學依託天津市學生心理健康與智能評估重點實驗室,“認知與情感計算”跨學科融合創新團隊,通過“人工智能+心理”,定製個性化、精準化的心理健康評估、診斷、分析、干預的“解決方案”。該研究成果近期發表在SCI一區top期刊《Neural Networks》和《Information Fusion》上。這意味着“人工智能+心理”的解決方案擁有巨大的發展潛力。

據介紹,抑鬱症的早期篩查和精確診斷涉及到神經科學、心理學、計算機科學和人工智能等多學科交叉融合與協同合作,需要彙集利用各專業的自身優勢,集中力量對心理健康中的實際科學問題和關鍵瓶頸技術進行突破和創新。

天津市學生心理健康與智能評估重點實驗室主任,天津師範大學副校長白學軍教授表示,團隊利用腦成像設備和學科優勢,開展學生心理健康問題基礎研究。在深化對學生心理健康問題認識和應對科學水平的同時,積極推進研究成果轉化成心理健康預警方案和干預措施。在抑鬱症精準評估和早期干預方面,創新團隊與天津市安定醫院合作,就基於生態瞬時評估和語音的抑鬱狀態識別開展研究工作。

重點實驗室骨幹成員趙子平教授介紹,該研究採用隊列研究調查方法,收集了百餘名符合診斷標準患者的步數、睡眠、主觀報告、語音等數字表型信息,構建了基於深度學習的抑鬱狀態識別模型,其識別準確率高達90%,爲抑鬱狀態的精準識別提供了重要的科學依據。在抑鬱情緒識別方面,創新團隊核心成員趙子平教授團隊針對語音信號的時序特性,提出了一種聯合並行卷積神經網絡和自注意力殘差卷積網絡,搭配連接主義時間分類損失函數的語音情感識別方法。該方法有效地提升情感識別的性能,爲基於語音的抑鬱症精準檢測提供了重要依據。在基於腦電的情緒識別領域,創新團隊探究了不同受試者的腦電信號之間的共性特徵表示,提出一種領域對抗網絡用於腦電信號的情緒識別模型,其情感識別準確率達到92.44%,爲解決抑鬱情緒識別中腦電信號的個體差異問題提供有效的解決方案。

白學軍教授表示,未來團隊將繼續堅持多學科交叉,產學研融合,致力於研究學生心理健康特點、變化規律、作用機制和新型心理健康診療技術的研發和應用轉化,實現心理健康全方位、多維度、可視化、數字化評估與促進,助力健康產業發展。團隊通過與企業深度合作,推進多學科交叉成果應用落地,打造數字健康領域創新鏈與產業鏈深度融合的科技創新策源地,研發的近百餘項智能化心理學產品已應用於400餘所學校、20個市、區教育局,惠及近200萬師生、社區工作者,並被廣泛應用於公安、醫療等行業機關單位。

相關文章