基于睡眠脑电信号和深度学习的抑郁症识别研究

目的 基于睡眠脑电信号,探索深度学习Vision Transformer(ViT)结合Transformer网络对抑郁症患者识别的有效性。方法 首先对28例抑郁症患者和37例正常对照的睡眠脑电信号进行预处理,并将信号转为图像格式,保留其频域及空间域特征信息,之后将图像输送到ViT-Transformer编码网络,分别学习抑郁症患者和正常对照的快速眼动（rapid eye movement, REM）睡眠期和非快速眼动（non-rapid eye movement, NREM）睡眠期的脑电信号特征,并对抑郁症进行识别。结果 基于ViT-Transformer网络,从不同脑电频率角度,发现delta、theta和beta波的组合对抑郁症识别具有比较好的结果。其中,REM期delta-theta-beta波组合的脑电信号特征对抑郁症识别的准确率达92.8%,精准率为93.8%,抑郁症患者的召回率为84.7%,F0.5值为0.917±0.074;NREM期delta-theta-beta波组合的脑电信号特征对抑郁症的识别准确率为91.7%,精准率为90.8%,召回率为85.2%,F0.5值为0...     

男性酒依赖患者食欲素A与急性期戒断反应的相关性

目的探讨男性酒依赖患者血浆食欲素A(orexin-A,OXA)浓度与急性期酒精戒断反应、心理渴求之间的关系。方法纳入60例男性酒依赖患者和60名健康成年男性。收集一般人口学资料,检测血浆OXA浓度,以及总胆固醇、肌酸激酶、谷丙转氨酶、谷草转氨酶、血糖及血钾水平,使用修订版临床酒精戒断症状评估量表中文版(clinic institute alcohol withdrawal syndrome scale,CIWA-Ar)及视觉模拟量表(visual analogues scale,VAS)评估患者酒精戒断反应严重程度和心理渴求程度;患者组接受戒酒治疗14 d后,再次检测OXA及血生化指标,以及评估CIWA-Ar及VAS。结果入组时患者组血浆OXA、总胆固醇、肌酸激酶、谷丙转氨酶、谷草转氨酶及血糖水平高于对照组(均P<0.05),血钾浓度低于对照组(P<0.05)。在入组时患者组中轻度戒断反应者血浆OXA水平低于中度或重度戒断反应者(均P<0.05)。患者组治疗前后血浆OXA浓度、CIWA-Ar评分、VAS得分存在统计学差异(均P<0.05)。患者入组时血浆OXA的水平与CIWA-Ar评分(r=0.34,P<0.01)和VAS评分(r=0.47,P<0.01)均具有统计学相关性。结论在急性酒精戒断期男性酒依赖患者血浆OXA水平可能与戒断反应、渴求有关。