基于视觉传感的抑郁症早期症状智能筛查方法研究OA

抑郁症是一种严重影响患者身心健康的精神疾病,传统诊断方法主要依赖医生的临床访谈和患者自评量表,存在主观性强、效率低等局限。本文提出了一种基于深度学习的视频抑郁症早期症状智能筛查方法,首先,设计了改进的面部标志点比值特征描述符,通过构建面部关键区域间的几何比值特征并引入局部注意力机制,提高了对微细表情变化的捕捉能力;其次,提出了融合双向LSTM和多头注意力机制的时序建模框架,能够同时捕捉表情变化的长期和短期依赖关系,准确建模抑郁症患者的情感表达异常模式;最后,设计了基于对抗训练的迁移学习策略,通过领域自适应和半监督学习方法,有效缓解了医疗数据稀缺问题。在真实临床数据集上的实验表明,所提方法达到了85.4%的识别准确率,较现有方法显著提升。同时,通过详细的消融实验验证了各个模块的有效性,模型具有良好的可解释性和实用价值,可为临床抑郁症诊断提供重要的辅助参考。