一种基于多模态生理信号实时检测焦虑状态的技术


天桥脑科学研究院(TCCI)研究员、上海交通大学医学院附属精神卫生中心杨志教授团队近期在发表于《精神病学前沿》杂志上的一项工作中,揭示了一种具有高时间分辨率的状态焦虑跟踪模型。为了捕捉状态焦虑水平的动态变化,在实验中通过暴露于厌恶图片或电击风险来诱导被试的状态焦虑(任务前后测量STAI-S的评分),并同时记录多模态数据,包括情绪维度评分、心电和皮肤电反应。研究者基于多模态数据训练和验证了预测状态焦虑的机器学习模型。

 

 

图1. 多模态数据预测STAI-S

 

本研究提出了一种基于心理和生理的多模态数据的状态焦虑动态跟踪模型,该模型反映了个体状态焦虑在高时间分辨下的动态变化。并且,该模型仅使用客观且易于获取的生理信号便可准确测量静息状态下的状态焦虑,为未来的情感脑机交互和焦虑调节研究提供了状态焦虑水平的敏感性测量。

 

上海交通大学医学院附属精神卫生中心丁悦副研究员、刘静静硕士生为本工作第一作者。该项工作受到国家自然科学基金、上海市科委、及天桥脑科学研究院(TCCI)的资助。

 

前往《精神病学前沿》官网阅读该文章