近日，我院孔佑勇老师和东南大学附属中大医院心身医学科主任袁勇贵团队医工交叉结合，首次开展了基于白质功能类连接的抑郁症智能诊断方法的研究，相关成果以“多阶段图融合网络在抑郁症诊断中的应用”（Multi-Stage Graph Fusion Networks for Major Depressive Disorder Diagnosis）为题在情感计算顶级期刊《情感计算汇刊》（IEEE Transactions on Affective Computing，IF=13.99）发表。
据介绍，抑郁症是世界各地的首要致残原因，它是导致全球疾病负担的一个重大因素。全球只有不足一半的患者接受有效治疗。很多患者不能得到正确诊断，或被误诊为抑郁症。抑郁症的发病率显著增加，逐年增长，而且出现了低龄化趋势。现有的量表评估方法容易受到病人主观因素和医生水平影响。因此亟需寻找稳定的生物学标志物，实现抑郁症的精准诊断。
为了解决这个问题，我院孔佑勇老师和袁勇贵团队持续合作，以白质功能连接作为特征，提出了一种多阶段图融合的抑郁症诊断方法，实现抑郁症的智能诊断。该工作巧妙地利用了新型白质功能连接特征描述个体；针对现有原始特征空间表示单一，通过多阶段特征可以实现信息互补，子空间数据的自我表达自适应地构图；进一步针对多图进行融合，采用图卷积进行抑郁症诊断。该研究对于抑郁症智能诊断和其他脑疾病诊断具有重要意义。
本文的第一作者是东南大学计算机科学与工程学院孔佑勇副教授，袁勇贵教授和孔佑勇副教授为论文通讯作者，舒华忠教授、张志珺教授、谢春明教授、岳莹莹博士及我院研究生牛舒怡、高和仁参与了研究。东南大学为唯一单位。
据悉，近年来，孔佑勇老师和袁勇贵主任在国家重点研发、国家自然科学基金、江苏省自然科学基金等项目的资助下，在抑郁症影像学标志物和智能诊断领域取得了一系列重要进展，针对抑郁症患者特异性高、疗效难以评估等问题，开展医学临床研究和人工智能交叉研究，形成互补，研发了针对抑郁症诊断的软件系统、影像学标志物和智能诊断方法。
（文、图：孔佑勇/ 审核：杨冠羽、李伟）