付常洋，王瑜，肖洪兵，邢素霞

（北京工商大学 食品安全大数据技术北京市重点实验室，北京 100048）

抑郁症(major depressive disorder, MDD)是一种非常常见的精神类疾病，对患者的生活质量和身体健康有着显著的危害。据世界卫生组织统计，目前，全球有超3亿人患有抑郁症[1]，抑郁症患者的自残、自杀等行为对患者及其家属造成的痛苦、对社会造成的损失不容忽视。抑郁症的临床诊断主要依据精神疾病诊断手册，缺乏定量的生理指标，目前常用的诊断标准有《国际疾病分类》第10版(ICD-10)[2]和美国《精神障碍诊断与统计手册》第4版 (DSM-IV)[3]，但这种方式过于依赖医生的主观判断，正确诊断率低，延误了最佳治疗时间，导致病情迁延或加重。因此，寻找一个客观且有效的诊断方法，例如根据常见的脑部医学影像来诊断抑郁症的方法，是非常必要的。

结构磁共振成像(structural magnetic resonance imaging, sMRI)[4]是当下流行的医学成像方式，具有无创、对比度高等优势，广泛用于抑郁症的诊断研究[5-7]。随着人工智能和大数据时代的到来，深度学习[8-10]作为人工智能领域的核心技术，与传统算法相比，在图像领域取得了突破性的成绩[11-12]。因此，越来越多的学者将深度学习方法应用到医疗图像领域的研究课题中[13-15]。

深度卷积神经网络(convolutional neural networks, CNN)通过使用反向传播算法来调整其内部参数，叠加了多层神经元，用来发现大数据集中更深层次的特征。文献[16]表明，网络层数对网络的最终性能的影响巨大，越深层的网络往往越能提高其泛化能力。CNN网络的发展也符合这一规律，自AlexNet[11]的7层发展到了VGG[17]的16层，甚至19层，后来发展到GoogLeNet[18]的22层。……