抑郁症是最常见的抑郁障碍，以显著而持久的心境低落为主要临床特征，是心境障碍的主要类型。中风、髋部骨折、全关节置换术和脊髓损伤（SCI）等医疗事件后的患者抑郁患病率从9.8%到60%不等，明显高于一般人群。抑郁症对各种医疗事件后康复的影响已被广泛研究。抑郁症与医疗事件直接或间接对健康结果的负面影响有关。例如，抑郁症会影响患者对康复的态度以及他们参与康复过程的能力。

抑郁症对康复过程的影响与患者功能恢复之间的明确联系尚未建立。研究和临床实践中的传统评估方法包括结构化诊断访谈（如抑郁症访谈和结构化汉密尔顿访谈 、DSM-IV结构化临床访谈  、自我报告（如贝克抑郁量表-II ，流行病学研究中心抑郁症（CES-D）量表 ）和观察工具。fNIRS通过测量的大脑区域中含氧和去氧血红蛋白浓度的变化来测量大脑的激活。尽管fNIRS的空间分辨率和时间分辨率分别低于fMRI和EEG，但它相对便宜、便携、易于设置且对运动伪影不太敏感。机器学习技术在诊断和治疗包括抑郁症在内的心理健康疾病方面显示出了巨大的潜力 。支持向量机（SVM）、决策树已应用于fNIRS数据，对MDD（抑郁症）患者和健康成人进行分类。本研究的目的在于确认fNIRS通过运动康复任务评估和分类抑郁症的可行性。

参与者戴上仪器，坐直

本研究招募了31名参与者，包括14名临床诊断为MDD的成年人（6名男性和8名女性）和17名健康对照者（6名男性和11名女性）。MDD组招募临床诊断为MDD的志愿者（即DSM-IV结构化临床访谈），对照组招募一般健康参与者。所有参与者还完成了CES-D量表，以验证这两组人的抑郁得分不同。参与者完成了一系列运动康复任务，抓握和释放试验（GRT）是四肢瘫痪患者常见的运动康复任务。利用这项任务来解决一个关键的研究问题—基于fNIRS的抑郁症筛查技术能否成功地嵌入到实时运动康复程序中。

使用连续波长fNIRS系统（fNIRS设备型号1000，美国）记录通过4个发射器和10个探测器发出的光强度，以获得16个通道的血流动力学响应。使用样条插值算法来检测和校正显示突变的运动伪影。从每个参与者的HbO信号中提取了10个指标，包括平均值、方差、活动开始时间、左斜率、右斜率、峰度、偏度、曲线下面积、全宽半最大值（FWHM）和峰值振幅。使用算法搜索参数空间以获得最佳的测试误差性能。

fNIRS探测PFC激活灵敏度图

研究发现，由于特征的数量和所使用的数据集的大小，模型的分类准确率在60%到90%之间。RF和XGBoost算法识别出的5个通道分别是通道3、4、8、14和15，分别对应于左侧dlPFC、左侧vlPFC、内侧PFC、右侧vlPFC和右侧dlPFC 。这些区域与现有抑郁症研究中确定的MDD患者的重要区域相关。模型能够将这两个特征（vlPFC中的平均HbO和中间PFC）识别为MDD分类的五个最重要特征中的两个，这表明fNIRS作为可穿戴成像预测抑郁症评估技术的潜力。另外三个重要特征包括HbO信号的方差、峰度和半高宽。目前在神经影像学研究中，这些特征还没有被作为抑郁症的标志物来探讨。伸手抓握任务提供了可比的模型性能，利用fNIRS神经信号来分类抑郁症。这一发现鼓励了在运动治疗过程中使用fNIRS进行实时抑郁症评估的临床可行性研究。

这项研究证明了预测性神经技术在成人进行运动任务时对抑郁症状进行分类的实用性。未来的工作将探讨这些评估在脊髓损伤和中风患者不同坐姿和步行康复任务中的效用。

Y. Zhu et al., "Classifying Major Depressive Disorder Using fNIRS During Motor Rehabilitation," in IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 28, no. 4, pp. 961-969, April 2020, doi: 10.1109/TNSRE.2020.2972270.