[1]刁云恒,王慧颖,董娇,等.机器学习在抑郁症辅助诊断中的应用进展[J].中国医学物理学杂志,2022,39(2):257-264.[doi:DOI:10.3969/j.issn.1005-202X.2022.02.021]
　DIAO Yunheng,WANG Huiying,et al.Advances in the application of machine learning in auxiliary diagnosis of depression[J].Chinese Journal of Medical Physics,2022,39(2):257-264.[doi:DOI:10.3969/j.issn.1005-202X.2022.02.021]
点击复制

机器学习在抑郁症辅助诊断中的应用进展()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
39卷
期数:
2022年第2期
页码:
257-264
栏目:
医学人工智能
出版日期:
2022-02-26

文章信息/Info

Title:
Advances in the application of machine learning in auxiliary diagnosis of depression
文章编号:
1005-202X（2022）02-0257-08
作者:
刁云恒1; 2; 王慧颖1; 2; 董娇1; 朱艺菡3; 邵秋静1; 冯来鹏1; 2; 王长虹1; 2; 4
1.新乡医学院第二附属医院（河南省精神病医院）， 河南 新乡 453002； 2.新乡医学院河南省生物精神病学重点实验室， 河南 新乡 453002； 3.新乡医学院第二临床学院， 河南 新乡 453002； 4.河南省心理援助云平台及应用工程研究中心， 河南 新乡 453002
Author(s):
DIAO Yunheng1;  2;  WANG Huiying1;  2;  DONG Jiao1;  ZHU Yihan3;  SHAO Qiujing1;  FENG Laipeng1;  2;  WANG Changhong1;  2;  4
1. The Second Affiliated Hospital of Xinxiang Medical University (Henan Mental Hospital), Xinxiang 453002, China 2. Henan Key Laboratory of Biological Psychiatry, Xinxiang Medical University, Xinxiang 453002, China 3. The Second Clinical College, Xinxiang Medical University, Xinxiang 453002, China 4. Henan Provincial Psychological Assistance Cloud Platform and Application Engineering Research Center, Xinxiang 453002, China
关键词:
抑郁症; 机器学习; 辅助诊断; 综述
Keywords:
Keywords: depression machine learning auxiliary diagnosis review
分类号:
R318；R749.41
DOI:
DOI:10.3969/j.issn.1005-202X.2022.02.021
文献标志码:
A
摘要:
随着抑郁症诊疗技术的发展，各种抑郁症相关的临床数据量急速扩增，机器学习技术恰好适用于大数量、多维度、多模态的数据，通过机器学习技术自动学习抑郁症诊疗数据中的特征，利用数据特征对抑郁症进行疾病诊断、疗效预测，达到抑郁症辅助诊断的目的。本文从机器学习在不同种类临床数据上应用的角度对文献进行了系统性分析，总结了机器学习在抑郁症辅助诊断领域的通用研究流程及常用研究方法，并展望未来的研究方向以及面临的挑战。
Abstract:
Abstract: With the development of technologies in the diagnosis and treatment of depression, the volume of clinical data related to depression is rapidly expanding, and machine learning technology is just suitable for large quantity, multi-dimensional, multi-mode data. The characteristics of the data obtained in the diagnosis and treatment of depression can be automatically learned by machine learning technology, and the data features can be used for the diagnosis of depression and the prediction of curative effect, so as to achieve the purpose of auxiliary diagnosis of depression. Herein a systematic analysis is carried out on the literatures about the application of machine learning on various categories of clinical data, and the research process and methods of machine learning in the diagnosis of depression are summarized, and finally, the research directions and challenges in the future are presented.

相似文献/References:

[1]郭家梁,等.基于振幅-周期二维分布的脑电复杂度分析[J].中国医学物理学杂志,2016,33(6):633.[doi:10.3969/j.issn.1005-202X.2016.06.019]
[2]王美娇,李莎,岳海振,等. Model Analytics辅助的智能放疗计划建模[J].中国医学物理学杂志,2017,34(9):870.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.002]
　[J].Chinese Journal of Medical Physics,2017,34(2):870.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.002]
[3]刘岩,李幼军,陈萌. 基于固有模态分解和深度学习的抑郁症脑电信号分类分析[J].中国医学物理学杂志,2017,34(9):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
　[J].Chinese Journal of Medical Physics,2017,34(2):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
[4]周文,王瑜,肖红兵,等. 基于KPCA算法的阿尔茨海默症辅助诊断[J].中国医学物理学杂志,2018,35(4):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
　ZHOU Wen,WANG Yu,XIAO Hongbing,et al. Assisted diagnosis of Alzheimer’s disease based on KPCA algorithm[J].Chinese Journal of Medical Physics,2018,35(2):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
[5]余锦娟,林勇. 基于机器学习的骨质疏松性骨折预测研究[J].中国医学物理学杂志,2018,35(11):1329.[doi:DOI:10.3969/j.issn.1005-202X.2018.11.017]
　YU Jinjuan,LIN Yong. Prediction of osteoporotic fractures based on machine learning[J].Chinese Journal of Medical Physics,2018,35(2):1329.[doi:DOI:10.3969/j.issn.1005-202X.2018.11.017]
[6]刘渊,程玉玉,贺睿敏,等.基于机器学习的鼻咽癌转移淋巴结鉴别模型[J].中国医学物理学杂志,2019,36(11):1350.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.020]
　LIU Yuan,CHENG Yuyu,HE Ruimin,et al.Machine learning-based classification model of lymph node metastasis in nasopharyngeal carcinoma[J].Chinese Journal of Medical Physics,2019,36(2):1350.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.020]
[7]孙凯,姚旭峰,马风玲,等.基于机器学习的血细胞分类研究进展[J].中国医学物理学杂志,2020,37(1):127.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
　SUN Kai,YAO Xufeng,et al.Blood cell classification based on machine learning[J].Chinese Journal of Medical Physics,2020,37(2):127.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
[8]雷炳业,潘嘉瑜,吴逢春,等.基于机器学习的神经精神疾病辅助诊断研究进展[J].中国医学物理学杂志,2020,37(2):257.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.022]
　LEI Bingye,PAN Jiayu,et al.Advances in auxiliary diagnosis of neuropsychiatric diseases based on machine learning[J].Chinese Journal of Medical Physics,2020,37(2):257.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.022]
[9]李彩,范炤.基于机器学习的阿尔兹海默症分类预测[J].中国医学物理学杂志,2020,37(3):379.[doi:DOI:10.3969/j.issn.1005-202X.2020.03.023]
　LI Cai,FAN Zhao.Classification and prediction of Alzheimer’s disease based on machine learning[J].Chinese Journal of Medical Physics,2020,37(2):379.[doi:DOI:10.3969/j.issn.1005-202X.2020.03.023]
[10]付常洋,王瑜,肖洪兵,等.基于多尺度功能脑网络融合特征的抑郁症分类算法[J].中国医学物理学杂志,2020,37(4):439.[doi:DOI:10.3969/j.issn.1005-202X.2020.04.008]
　FU Changyang,WANG Yu,XIAO Hongbing,et al.Classification of depression using fusion features based on multi-scale functional brain network[J].Chinese Journal of Medical Physics,2020,37(2):439.[doi:DOI:10.3969/j.issn.1005-202X.2020.04.008]
[11]龚旻炜,石佳琪,吴健.机器学习方法预测人群中抑郁症发病风险的研究进展[J].中国医学物理学杂志,2024,41(6):776.[doi:DOI:10.3969/j.issn.1005-202X.2024.06.017]
　GONG Minwei,,et al.Review on machine learning methods in predicting the risk of depression[J].Chinese Journal of Medical Physics,2024,41(2):776.[doi:DOI:10.3969/j.issn.1005-202X.2024.06.017]

备注/Memo

备注/Memo:
【收稿日期】2021-10-13 【基金项目】新乡市重大科技专项（ZD2020011）；河南省医学科技攻关计划项目（2018010015，2018020375）；河南省精神心理疾病临床医学研究中心开放课题（2020-zxkfkt-004）；大学生创新创业训练计划项目（202110472030） 【作者简介】刁云恒，硕士，研究方向：应激与心理行为障碍，E-mail: diaoyunheng@163.com 【通信作者】王长虹，博士，教授，研究方向：应激与心理行为障碍，E-mail: wangchdr@163.com
更新日期/Last Update: 2022-03-07