基于深度学习情感分类模型的个性化抑郁症护理策略

目的 探讨人工智能技术在个性化抑郁症护理中的应用，实现精准护理以加速抑郁症患者的康复。方法 将60例抑郁症患者按病种和病情分层随机分配为对照组和观察组各30例.对照组采用传统护理方法；观察组采用基于深度学习情感分类模型分类后的个性化护理方案，即利用脑电图像（EEG）采集设备获取大量带标记的脑电信号数据构建EEG情感训练库，标记抑郁症类型；通过深度学习情感分类模型识别抑郁症患者EEG信号对应的情感类别；根据其识别结果，采取相应的个性化护理措施。对两组患者在住院期间进行等间隔的抑郁量化评估和护理满意率调查。结果 干预4周时，观察组汉密尔顿抑郁量表（HAMD）和自评抑郁量表（SDS）的评分显著低于对照组（均P<0.05）；观察组干预8周时的康复率高于对照组，但两组比较，差异无统计学意义（P>0.05）。结论 基于深度学习情感分类模型的个性化护理方法能显著缓减患者的抑郁程度，加快抑郁症患者的康复速度。

Individualized depression nursing strategy based on deep learning emotion classification models