张玉韬，田 军，王修来

0 引 言

随着生活节奏的加快和工作压力的增大，抑郁症患病率日渐升高［1］，发病率为 3%～5%［2］，严重影响生活质量［3］。而基层医院对抑郁症治疗缺乏足够的临床经验，对其症状缺乏一定的识别能力，易错过对抑郁症的早期诊断和治疗。

目前，对抑郁症的筛查大多以量表的形式进行，如汉密尔顿焦虑量表(Hamilton Anxiety Scale，HAMA)［4］、抑 郁 自 评 量 表 (Self-rating Depression Scale，SDS)、患者健康问卷 PHQ-2 和 PHQ-9［5］等。但量表种类繁多，容易引起被筛查者的困惑。近年来，随着人工智能技术的发展，在医学领域已有许多研究将神经网络的方法运用到临床疾病诊断中［6-7］。刘俐等［8］针对新生儿缺氧缺血性脑病构建了基于临床综合指标的模糊BP神经网络诊断系统，测试样本正确识别率达到95%。陈若珠等［9］采用BP神经网络理论构建骨质疏松诊断分诊模型，并通过实例验证了该方法的可行性和准确性。在抑郁症分诊方面，也有学者构建了基于模糊神经网络的抑郁症分诊系统，但主要是针对抑郁症严重程度的判断，没有对正常案例进行探讨。本文基于模糊神经网络构建抑郁症的智能诊断系统，被筛查者通过选择输入符合自身情况的一组临床症状，由神经网络进行模糊化处理，并通过智能分析得出相对科学、全面和合理的结论，为被筛查者和医师提供初步的诊断结果。

1 基于模糊神经网络的抑郁症智能诊断系统的构建

1.1 抑郁症诊断指标的选择 抑郁症的表现主要有2个方面:心理症状和躯体症状［10］。以往研究中关于抑郁症的症状指标和本文选取的症状指标，见表1。……