近日，我院谢宛青教授课题组在著名学术期刊《计算机医学成像和图形学（Computerized Medical Imaging and Graphics）》（中科院二区，IF=7.422）上发表题为《基于CNN-LSTM模型的焦虑抑郁多模态融合诊断（Multimodal Fusion Diagnosis of Depression and Anxiety Based on CNN-LSTM Model）》的学术论文。谢宛青为本论文第一作者，副教授程明媚为本文通讯作者。
近年来，抑郁症、焦虑症患病率不断上升，此外，传统量表诊断方式受限于医生水平、状态等因素，并存在诊断过程不易量化等问题，容易造成误诊、漏诊，也使得抑郁、焦虑量化的诊断成为了颇具挑战性的难题。因此，如何开创新的高效且便捷的抑郁焦虑诊断系统，辅助临床诊断，推动大规模筛查，成为了全社会的迫切需求。该研究将抑郁自评量表（Self-Reported Depression Scale, SDS）、焦虑自评量表（Self-Reported Anxiety Scale , SAS)）与填写量表同时期的视频信息结合，基于深度学习技术构建多模态抑郁焦虑诊断与筛查系统。
基于被试者的视频信息，该系统首先定位被试者面部区域，然后通过构建CNN-LSTM模型，探索并分析面部表情与动作特征，并在网络中融入焦虑自评量表和抑郁自评量表得分信息。通过对自评量表和视频两种模态信息的综合判断，形成对焦虑、抑郁的最终诊断结果。（生物医学工程学院）