beat365手机版留学生在IEEE-EMBS BSN 2026国际会议上展示研究成果

编辑:彭维锋发布时间:2026-10-19浏览次数:10


2026年10月10日至12日,IEEE-EMBS BSN 2026国际会议在葡萄牙波尔图举行。beat365手机版在线官网刘澄玉教授团队的研究成果在会上进行展示。硕士研究生、论文第一作者Maryam Khalid在海报展示环节介绍了该项研究,并围绕可穿戴传感及用于抑郁识别的生理反应性,与国际研究人员进行了学术交流。会议议程还汇聚了来自Harvard、MIT和EPFL等知名高校的专家。

图1. IEEE-EMBS BSN 2026参会人员合影

该研究题为《Rest-Task-Delta Physiological Reactivity for Depression Detection Using Wearable EEG, ECG, and Respiration》,提出了一种多模态框架,既捕捉生理活动,也刻画其在情绪刺激下的变化。该框架以Rest–Task–Delta方法为核心,整合脑活动、心脏动态和呼吸模式在静息状态下的测量结果、任务诱发的反应,以及两者之间的差值。通过将个体内生理反应性与基线测量相结合,该框架为抑郁识别提供了更丰富的特征表征。刘澄玉教授和赵璐璐博士后为论文共同通讯作者。

图2. Maryam Khalid在海报展示环节介绍其研究成果。

该研究分析了在南京脑科医院采集的72名受试者的生理信号记录,其中包括32名重性抑郁障碍患者和40名健康对照者。受试者先完成三分钟的睁眼静息阶段,随后进行四分钟的情绪视频观看任务。通过可穿戴额部脑电头带和胸戴式设备,记录脑电、心电及呼吸信号。该框架将这些信号的特征组织为九个特征组,涵盖三种生理模态及各模态的静息状态、任务状态和任务减静息差值表征。通过分组特征选择,从每组中保留一个代表性特征,形成用于随机森林分类的紧凑生理特征表征。评估采用留一受试者交叉验证,标准化和特征选择均在每一折的训练数据内完成。

该框架取得了83.3%的分类准确率,ROC曲线下面积(AUC)达到0.871,高于所有参与比较的基线分类器以及单模态或双模态配置的AUC。仅使用静息状态特征时,AUC为0.721;相比之下,完整框架的结果体现了纳入任务反应和生理变化的价值。特征重要性分析表明,任务状态脑电是重要性最高的单个“条件–模态”特征组,而模态间的比较结果则支持了脑电、心电及呼吸信号的互补贡献。

Rest–Task–Delta框架无需额外设置独立的记录阶段,即可捕捉基线生理状态与情绪刺激反应的互补信息。研究结果表明,将生理状态与其动态变化相结合具有价值,为进一步发展用于客观抑郁评估的可穿戴方法奠定了基础。