用人工智能解決心理問題，抑郁狀態識別模型準確率達90％

記者6月1日獲悉，天津師范大學“認知與情感計算”跨學科融合創新團隊依托天津市學生心理健康與智能評估重點實驗室通過“人工智能+心理”這一方式，定制出個性化、精準化的心理健康評估、診斷、分析、干預解決方案。系列研究成果近期分別發表在國際期刊《神經網絡》和《信息融合》上。

當前，對青少年進行心理健康教育是解決青少年抑郁問題的有效途徑之一，但目前心理健康行業供給側存在不足。“抑郁癥的早期篩查和精確診斷涉及神經科學、心理學、計算機科學和人工智能等多學科交叉融合與協同合作，需要匯集各專業優勢，集中力量對心理健康中的實際科學問題和關鍵瓶頸技術進行突破和創新。”天津市學生心理健康與智能評估重點實驗室主任、天津師范大學副校長白學軍教授介紹。

團隊利用腦成像設備和學科優勢，開展學生心理健康問題基礎研究。在深化對學生心理健康問題認識和科學應對水平的同時，積極推進研究成果轉化為心理健康預警方案和干預措施。

在抑郁癥精準評估和早期干預方面，團隊與天津市安定醫院合作，基于生態瞬時評估和語音的抑郁狀態識別開展研究工作。

團隊核心成員趙子平教授介紹，該研究采用隊列研究調查方法，收集了百余名符合診斷標準患者的步數、睡眠、主觀報告、語音等數字表型信息，構建了基于深度學習的抑郁狀態識別模型。模型識別準確率高達90%。

在抑郁情緒識別方面，團隊針對語音信號的時序特性，提出了一種聯合并行卷積神經網絡和自注意力殘差卷積網絡，搭配連接主義時間分類損失函數的語音情感識別方法。該方法可有效提升情感識別性能，為基于語音的抑郁癥精準檢測提供了重要手段。

在基于腦電的情緒識別領域，創新團隊探究了不同受試者的腦電信號之間的共性特征表示，提出了一種基于領域對抗網絡方法的腦電信號情緒識別模型，情感識別準確率達92.44%。這為解決抑郁情緒識別中腦電信號的個體差異問題提供了有效解決方案。

白學軍表示，未來團隊將繼續堅持多學科交叉，產學研融合，致力于研究學生心理健康特點、變化規律、作用機制和新型心理健康診療技術的研發和應用轉化，實現心理健康全方位、多維度、可視化、數字化評估與促進，助力健康產業發展。