情绪与抑郁症神经网络建模及微状态分析

来源：电子测量技术杂志2024年第19期北京时间：

作者：黄信，李跃忠，李小俚，边楠楠

单位：东华理工大学机械与电子工程学院 南昌 330013

摘要：重度抑郁症表现为心情低落、思维迟缓，而情绪是人对客观事物的态度体验以及相应人脑神经元的行为反应。已有文章对抑郁症、情绪分类的分类网络进行搭建，但网络功能单一，只能完成单一分类任务，且没有很好的将心理疾病与人体的情绪、语言表达、眨眼等行为结合。本研究探讨情绪分类和抑郁症诊断的指标特征相关性，并设计网络模型跨种类跨数据集验证通过情绪诊断抑郁症的可行性。提取微分熵作为网络结构输入特征，使用卷积神经网络研究SEED-IV的情绪分类和MODMA情绪占比。并分析两种数据集的微状态参数，对具有相同微状态类型的样本进行分析并探索两者微状态之间的相关性。α与γ节律上的分类结果和微状态的相关系数差异能够较好进行情绪分类和抑郁症诊断。在验证了α与γ节律中均有参数呈现出情绪与抑郁症的相关性后，设计实验证明了通过增加微状态特征的方法可以捕捉到抑郁症患者异常大脑特性，可以在情绪识别CNN中添加有关联性的微状态参数完成抑郁症的诊断。

关键词：深度学习;微状态;情绪分类;抑郁症;跨数据集诊断

基金资助：江西省科技厅重点研发一般项目(20212BBE53033)、江西省自然科学基金青年项目(20242BAB20058)资助