刘 琦 王效慈 查 伟 周彤宇 丁 丹

（新乡医学院三全学院，河南 新乡 453000）

0 引言

近年来，深度学习技术在医疗领域的应用更加深入，该技术主要从人脸表情、语音语调、文本语义、姿态行为及多模态数据融合等方面入手[1]，搜集相关特征并将其融合成广泛全面的综合特征，并借助综合特征的相关指征去分析样本。例如，将心电图纸质记录数字化，并使用深度学习生成对心脏相关问题的准确诊断[2]。基于深度学习的抑郁症诊疗方案，对就诊人的日常行为等进行分析，辅助临床医生做出精准的诊断，提高抑郁症患者的就诊率和确诊率，避免耽误患者的最佳诊疗时间。

1 抑郁症诊疗现状

1.1 抑郁症诊疗的困境

抑郁症是全球高发病之一，大约有2.8亿人患有抑郁症。

抑郁症患者的数量逐年不减反增的原因主要有以下几点：一是抑郁症患者早期疾病症状不明显。早期抑郁症患者与普通人一样，在日常生活中会有情绪波动的起伏，不易被察觉，往往到中后期症状较为明显。二是许多患者缺乏对抑郁症的正确认识。患者往往只意识到心理情绪的压抑无法释放，却并未意识到感统神经也可能出现了问题。三是社会对抑郁症患者的偏见和歧视。绝大多数患者不敢面对自己患有抑郁症或者担心被确诊为抑郁症后会受到他人歧视而拒绝到医院就诊，选择逃避和无视疾病，耽误最佳的治疗时间。四是抑郁症患者往往比较悲观和自卑。抑郁症的治疗耗时长、费用大等现状让部分患者畏缩，看不到希望。五是抑郁症的发病原因尚不清晰，包含很多因素。患者往往出现身体不适才选择就医，并以身体不适的片面状况作为主述，内科医生缺乏精神病学方面的专业知识，无法正确诊断患者的真实病情导致误诊和漏诊，错过最佳治疗时机。六是精神病医生的短缺。在中国，基于传统思想观念，人们对于精神医生存在曲解和歧视，致使精神医生社会地位低下，出现多数医学生不愿意专修精神病学方向研究生的现象，导致真正进入精神病学临床的医生的数量逐年下降。

1.2 提高抑郁症患者确诊率的重要性

伴随着抑郁症患者的逐年增加和医院精神医生的严重不足，导致抑郁症患者的就诊较为紧张和不便。如何快速准确地提高抑郁症患者的确诊率则尤其重要，其重要性主要表现在以下方面：一是提高人们的生活质量。提倡人们重视自己的心理健康，接受心理健康教育，学会向他人倾诉烦恼，意识情绪抑郁时，及时做心理咨询，避免极端消极情绪的产生，降低自残和自杀率。二是为儿童和青少年打造优质的生活和成长环境。将社会工作的部分重心放在儿童和青少年的心理健康问题上，减少低龄化自杀现象。三是创造和谐社会。针对当前抑郁症患者确诊人数急速上升的现状，社会和政府越来越重视心理健康教育，开展心理健康讲座，提倡早发现、早诊断、早治疗，抵制对抑郁症患者的歧视现象，共建美丽健康中国。

2 构建深度学习辅助诊断技术的必要性

深度学习主要通过搭建含有多个隐含层的神经网络模型，同时利用大量的训练样本来学习，得到更有利用价值的特征，进而提升网络模型的预测、分类的准确性[3]。机器通过学习大量样本病例特征，克服人错误的主观意识对诊断结果的影响，给出更准确、更全面的辅助诊断结果，有利于患者疾病的确诊。

动作行为识别是计算机视觉（Computer Vision，CV）领域中的一个研究热点，已经广泛应用于智能监控、人机交互、视频检索等领域中[4]。同时，CV通过自动检测（或跟踪）图像（或视频）中的人脸，进而对检测和跟踪到的人脸提取相关信息，比如身份、表情、年龄、性别等[5]。深度学习机器运用动作行为识别技术，通过摄像头拍摄就诊人的肢体动作和面部特征进行相关计算，形成精准的计算数据辅助诊断。

3 深度学习技术与抑郁症诊疗结合

3.1 将深度学习用于抑郁症诊疗的优势

其一，在识别患者的肢体动作方面。深度学习模型捕捉到的视频时空特征的有效性直接影响其对视频行为动作的识别分类性能，利用人体姿态估计模型，学习到图像描述的人体关键点和人体肢干的特征，对识别人体动作行为更具有针对性[6]。通过捕捉并识别就诊人肢体行为在特定时空位置上的关键点特征，给予更加准确的数据信息，判断是否与患者动作模型相似。其二，在识别患者的情绪表达方面，将CASIA的语音情感数据库用于深度学习机器，识别就诊人进行语言表达时的情绪状态。由中国科学院自动化所录制的CASIA汉语情感语料库，包含六种情绪：生气、高兴、害怕、悲伤、其他和中性。其中，录制人用不同的情感朗读相同文本的语料有三百句，深度学习机器可以对比分析不同的情感状态下的声学和韵律表现，来判断就诊人的语言和情感表达。

基于深度学习机器依据人体姿态估计模型和语音情感表达识别系统来辅助诊断就诊人在问诊过程中的行为和语言表达是否达到患病程度，其与抑郁症诊疗结合的具体优势如下：（1）机器通过深度学习，判断就诊人的行为和情绪变化，辅助医生正确做出疾病诊断，提高抑郁症患者的确诊率，早发现早治疗，提高患者的生活质量。（2）医生在对患者诊断的过程中，会出现心情波动、疲惫等情绪状态不佳的情况，可能会对诊断结果造成不良影响甚至误诊，耽误患者的最佳治疗时间，而机器不存在自身情绪波动问题，可以精准地做出诊断，能辅助医生做出正确的判断。（3）排除就诊人因为脑器质性疾病而患有抑郁症的可能性，医生会通过SDS抑郁自测表来辅助诊断就诊人是否患有抑郁症，处于几级抑郁症，而就诊人在填写SDS抑郁自测表时，往往带有主观意识，或者避免被诊断为抑郁症选择自己认为的最佳答案，在测试结束后，SDS抑郁自测表无法作为最佳的辅助诊断依据，阻碍医生做出最佳诊断结果。深度学习机器可通过观察记录就诊人的行为和语言表达，给出精准的判断数据，从而最好地辅助医生做出诊断。（4）对于生活中无法及时做到解除或减轻过重心理负担和压力的人们，通过记录他们的抑郁表征，及时做出提醒，让人们重视自己的情绪和行为，干预他们的消极态度，避免抑郁症、自杀等情况的发生，创造良好的社会环境。

3.2 基于深度学习辅助抑郁症诊疗技术的实践

由于国内紧缺专业的精神病医生，各医院医生的诊疗水平参差不齐，导致抑郁症患者的漏诊、误诊概率大。为了更有效地减少不良情况的发生，将深度学习机器运用在生活的方方面面，更好地做到预防、诊断和治疗，防止抑郁症的发生和恶化。现模拟以下可以运行的场所：一是精神疾病科室。将深度学习机器人用于抑郁症患者的诊断过程中，机器人通过收集就诊人的肢体动作和语言表达信息，计算出辅助诊断报告，利于精神病医生的诊断。二是内科室。将深度学习机器人用于内科门诊，通过观察患者的表达，及时发现抑郁症患者的失诊人群，做到早发现、早诊断、早治疗，及时控制病情的恶化。三是办公室。随着社会的快速发展，人们的学习工作压力大，聚集的负能量无法得到及时的排解，进一步发展为抑郁症的可能性极大，将深度学习算法用于电脑中，通过摄像头等硬件设备收集自身日常生活中的动作和语言信息，得到精准的汇报表，根据数据结果及时做出调整，可提高人们的生活质量。四是教室。近年来，抑郁症的发病已开始出现低龄化趋势，学校学生因为课业压力大，跳楼自杀事件屡屡发生。为了减少意外事件的发生，可将深度学习算法用于教师电脑，通过监控观察班级学生的日常行为，及时了解学生的心理情绪变化，及时干预，做好心理疏导工作，避免意外的发生。

4 总结与反思

4.1 总结

将深度学习技术很好地应用于抑郁症诊疗的过程，高效地辅助医生做出精准的诊断，提高抑郁症的就诊率和确诊率，避免耽误患者的最佳治疗时间。同时，人们也更加重视自己的情绪变化，做到早发现、早诊断、早治疗。抑郁症患者数量的增加也引起全社会的关注，消除歧视等不健康想法，共创和谐社会。

4.2 反思

目前，深度学习网络的构建并没有统一的标准，其算法也是不断发展变化的，并且抑郁症的发病机制和临床表现等尚不明确，无法达到最为精准的辅助诊断。因此，抑郁症患者的确诊不能完全依靠深度学习机器给出的辅助诊断报告，还需要各医学院校培养出一批批优秀的精神病医生。相信随着深度学习算法的完善和抑郁症临床表现的明确，可利用深度学习机器辅助医生做出最精准的判断，让抑郁症患者得到最为准确的治疗方案，发挥其在医疗卫生方面的重大贡献。