北理工團隊在并發(fā)癥情況下基于數(shù)字表型的抑郁癥檢測方法方面取得研究成果
發(fā)布日期：2025-01-07 供稿：管理學院 彭飛 攝影：管理學院
編輯：盧斌 審核：顏志軍 閱讀次數(shù)：
近日,，管理學院顏志軍教授主持的國家自然科學基金委重點國際（地區(qū)）合作研究項目“移動互聯(lián)環(huán)境下抑郁癥主動智能篩查、評估,、干預方法和隱私保護機制研究”的最新研究成果《Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach》發(fā)表于信息系統(tǒng)國際頂級期刊《Journal of Management Information Systems》,。該研究提出了一個不確定性推理方法，探索了并發(fā)癥情況下基于數(shù)字表型的抑郁癥檢測方法,。該研究成果由顏志軍教授團隊與北卡羅萊納大學夏洛特分校Dongsong Zhang教授合作完成,。
抑郁癥是一個日益嚴重的健康和社會問題，造成了嚴重的經(jīng)濟和健康損失,。抑郁癥的檢測和診斷一直非常具有挑戰(zhàn)性,，特別是對于同時患有其他并發(fā)癥的患者,。數(shù)字表型是使用傳感器收集用戶行為數(shù)據(jù)檢測心理疾病的技術(shù)，已成為抑郁癥自動檢測領(lǐng)域非常有前景的工具,。然而,，現(xiàn)有的基于數(shù)字表型的抑郁癥檢測方法沒有考慮到抑郁癥和其他并發(fā)癥之間共享的相似癥狀引起的診斷不確定性，這可能會對檢測準確性產(chǎn)生負面影響,。本文提出了一種新的深度學習模型,，該模型處理和融合來自多個傳感器的數(shù)據(jù)，并基于證據(jù)理論解決診斷的不確定性問題,。實驗結(jié)果表明,，本文提出的模型比現(xiàn)有模型有更好的性能。該項工作提出一種新的基于人工智能的不確定性問題處理方法,，提高了并發(fā)癥請境下的抑郁癥檢測的準確性,，為設(shè)計科學和心理健康研究做出了重要貢獻。
《Journal of Management Information Systems》是金融時報評定出的50本商學院頂級期刊之一（Financial Times 50 Journals,，簡稱FT50）,。FT50用于評估商學院的研究能力，在國際上具有極高的認可度,，是金融時報對商學院進行排名的重要依據(jù),，其包括的期刊覆蓋經(jīng)濟學、戰(zhàn)略管理,、組織與人力資源,、運營管理、信息管理,、財務會計,、金融等多個領(lǐng)域。
Fei Peng, Dongsong Zhang, Zhijun Yan (2024) Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach, Journal of Management Information Systems, 41:4, 931-957, DOI: 10.1080/07421222.2024.2415770
分享到：