全讯网-皇冠网

近日，管理學(xué)院顏志軍教授主持的國家自然科學(xué)基金委重點(diǎn)國際（地區(qū)）合作研究項(xiàng)目“移動(dòng)互聯(lián)環(huán)境下抑郁癥主動(dòng)智能篩查、評(píng)估、干預(yù)方法和隱私保護(hù)機(jī)制研究”的最新研究成果《Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach》發(fā)表于信息系統(tǒng)國際頂級(jí)期刊《Journal of Management Information Systems》。該研究提出了一個(gè)不確定性推理方法，探索了并發(fā)癥情況下基于數(shù)字表型的抑郁癥檢測方法。該研究成果由顏志軍教授團(tuán)隊(duì)與北卡羅萊納大學(xué)夏洛特分校Dongsong Zhang教授合作完成。

抑郁癥是一個(gè)日益嚴(yán)重的健康和社會(huì)問題，造成了嚴(yán)重的經(jīng)濟(jì)和健康損失。抑郁癥的檢測和診斷一直非常具有挑戰(zhàn)性，特別是對(duì)于同時(shí)患有其他并發(fā)癥的患者。數(shù)字表型是使用傳感器收集用戶行為數(shù)據(jù)檢測心理疾病的技術(shù)，已成為抑郁癥自動(dòng)檢測領(lǐng)域非常有前景的工具。然而，現(xiàn)有的基于數(shù)字表型的抑郁癥檢測方法沒有考慮到抑郁癥和其他并發(fā)癥之間共享的相似癥狀引起的診斷不確定性，這可能會(huì)對(duì)檢測準(zhǔn)確性產(chǎn)生負(fù)面影響。本文提出了一種新的深度學(xué)習(xí)模型，該模型處理和融合來自多個(gè)傳感器的數(shù)據(jù)，并基于證據(jù)理論解決診斷的不確定性問題。實(shí)驗(yàn)結(jié)果表明，本文提出的模型比現(xiàn)有模型有更好的性能。該項(xiàng)工作提出一種新的基于人工智能的不確定性問題處理方法，提高了并發(fā)癥請(qǐng)境下的抑郁癥檢測的準(zhǔn)確性，為設(shè)計(jì)科學(xué)和心理健康研究做出了重要貢獻(xiàn)。

《Journal of Management Information Systems》是金融時(shí)報(bào)評(píng)定出的50本商學(xué)院頂級(jí)期刊之一（Financial Times 50 Journals，簡稱FT50）。FT50用于評(píng)估商學(xué)院的研究能力，在國際上具有極高的認(rèn)可度，是金融時(shí)報(bào)對(duì)商學(xué)院進(jìn)行排名的重要依據(jù)，其包括的期刊覆蓋經(jīng)濟(jì)學(xué)、戰(zhàn)略管理、組織與人力資源、運(yùn)營管理、信息管理、財(cái)務(wù)會(huì)計(jì)、金融等多個(gè)領(lǐng)域。

Fei Peng, Dongsong Zhang, Zhijun Yan (2024) Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach, Journal of Management Information Systems, 41:4, 931-957, DOI: 10.1080/07421222.2024.2415770