深度学习辅助中医望诊的抑郁症诊断模型研究

摘要

目的 利用深度学习技术构建抑郁症面部诊断模型，为早期中医望诊识别抑郁症提供新方法。方法 纳入437例研究对象(抑郁症肝郁脾虚证210例、肝郁脾虚证非抑郁症114例、健康对照113名),按标准化流程采集面部图像。剔除模糊、遮挡及姿态异常图像后，通过旋转、缩放、镜像、平移及添加高斯噪声对图像进行扩增，并按8∶1∶1划分为训练集、验证集和测试集。采用EfficientNet、MobileNet V3及ResNet18构建分类模型，通过准确率、参数量、收敛速度及混淆矩阵评估模型性能，并利用类激活映射(class activation mapping, CAM)分析模型决策时对面部特征的关注区域。结果 (1)EfficientNet准确率最高(98.6%),参数量适中(4.01 M),收敛速度较快，MobileNet V3次之(准确率92.7%,参数量1.52 M),ResNet18准确率最低(92.2%)且参数量最大(11.18 M);(2)混淆矩阵中，EfficientNet对三类人群的误判率最低；(3)CAM可视化显示，EfficientNet决策时除关注眼周区域外，还对嘴周区域进行识别。结论 基于深度学习构建的中医面部图像抑郁症识别模型具有良好的预测性能，为中医智能望诊辅助识别抑郁症提供了客观证据。

关键词

抑郁症 / 望诊 / 面部图像 / 深度学习 / 人工智能诊断

基金资助

国家重点研发计划(No.2019YFC1710103); 深圳市“医疗卫生三名工程”项目资助(No.SZZYSM202105010); 深圳市龙岗区科技创新专项资金医疗卫生技术攻关项目(No.LGKCYLWS2022012); 深圳市龙岗区医学重点学科建设项目