基于深度學習與多模態醫學影像融合識別閾下抑郁患者

尹小龍，李德民，圖 婭，單保慈

(1.鄭州大學物理學院，河南 鄭州 450001；2.北京中醫藥大學針灸推拿學院，北京 100029；3.北京師范大學認知神經科學與學習國家重點實驗室，北京 100875；4.中國科學院高能物理研究所 北京市射線成像技術與裝備工程技術研究中心，北京 100049；5.中國科學院大學核科學與技術學院，北京 100049)

閾下抑郁(subthreshold depression, StD)是發生率高、危害廣泛的精神類癥狀，為介于正常和抑郁之間的一種狀態，臨床符合2項以上抑郁指標但未達到抑郁癥診斷標準時即診斷StD[1]。目前主流觀點認為StD是抑郁癥的前驅期，造成諸多負面影響，如影響個體健康、降低生活質量及增加社會醫療成本等。相比健康人，StD患者發展為抑郁癥、焦慮癥等精神疾病的風險更高[2-3]。既往抑郁分類研究[4-6]主要使用傳統的機器學習方法，多針對抑郁癥(major depressive disorder, MDD)患者與正常對照者(normal control, NC)，對StD研究較少。近年來，深度學習(deep learning, DL)技術逐步興起，通過構建多層神經網絡，可從數據中自動學習更高維度和更抽象的特征，省去手工提取特征步驟，神經網絡的層數越多，能夠提取到的特征越豐富，對于高維度神經成像數據而言，較傳統機器學習方法更為簡便、有效[7-8]；其中適于圖像處理的卷積神經網絡 (convolutional neural network, CNN)算法在醫學影像領域得到了普遍應用[9-11]。基于CNN算法，本研究嘗試通過輸入2種不同模態的影像學數據實現識別StD患者與正常人。

1 資料與方法

1.1 一般資料 收集于北京師范大學認知神經科學與學習國家重點實驗室接受MR和fMR掃描的56例StD患者(StD組)和70名正常人(normal control, NC組)。……