近日，我院两名大四本科生林宏拓和简楚帆同学分别以第一作者和第二作者身份向Computers in Biology and Medicine (SCI，IF：4.589) 投稿的文章被接收，论文题目为“MDD-TSVM: A Novel Semisupervised-based Method for Major Depressive Disorder Detection Using Electroencephalogram Signals”。研究成果在特聘研究员樊小毛博士指导下完成，樊小毛老师为通讯作者，华南师范大学为第一完成单位。
图一 论文抑郁症检测流程图
抑郁症是现在最常见的一种心理疾病，以连续、长期而持久的心情不好为主要的临床特征，是现代人心理疾病中最常见的一种，重度抑郁症甚至会导致患者的自杀企图与行为。目前常用的抑郁症检测方法为专业医疗人员通过HAMD-17量表检测患病情况，但该种检测方法需要接受过良好培训的医疗人员来进行，这在社区和乡镇医院等医疗资源匮乏的机构难以实施。
在论文中，基于从患者脑电信号中提取到的信号特征，我们首先对其进行数据清洗和预处理，并通过嵌入式特征选择的方法来筛选出对抑郁症影响显著的指标。针对抑郁症检测过程中广泛存在的标签缺失问题与样本不平衡问题，我们提出了半监督学习模型——MDD-TSVM，通过动态更改模型权重的方法来减少样本不平衡的影响，从而使抑郁症检测模型的性能提升。实验结果表明，我们提出的抑郁症检测方法，最佳预测效果达到了准确率为0.89的结果。该方法可以应用于医疗信息系统，同时适用于标签缺失与样本不平衡的真实场景，以预测患者的患病情况并帮助患者尽早检出抑郁症，从而加快对病症进行干预治疗。
图二 林宏拓同学
图三 简楚帆同学
林宏拓同学自大三以来积极参加科研活动与学习活动，在学习之余也不忘健身运动。简楚帆同学自大三以来积极参与各类科研学习活动，他的兴趣爱好有足球等。