探索基于深度学习算法的抑郁症患者表情动作变化与其症状转归及内在心理整合的关系。
方法:
采集1例抑郁症患者14次认知行为治疗的全程音视频资料,使用汉密尔顿抑郁量表(HAMD)与汉密尔顿焦虑量表 (HAMA)评估病情,采用深度学习算法分析患者的表情熵、表情成分和动作幅度,采用整合分析方法评估患者的问
题体验整合顺序(APES)。
结果: 治疗前后患者HAMD与HAMA减分率分别为90.91%和91.43%。随治疗进行,患者
表情熵值呈现波动式上升,抑郁表情出现的概率总体呈降低趋势,整体动作幅度逐渐增高,语量逐渐增加。患者最 初APES评分0分,治疗结束时APES评分为7分。结论:基于深度学习算法的抑郁症外显的表情与动作变化,与其
内在的心理整合变化呈现一致性。将深度学习算法应用于抑郁症患者的表情识别和姿势评估是可行的。