基于传感器和近红外光谱技术（fNIRS）的皮质神经活动与生物标志物检测：预测学生群体中的抑郁状态

《Microchemical Journal》：Cortical neural activity and biomarker testing based on sensors and near-infrared spectroscopy (fNIRS): Predicting depressive states in student populations

功能性近红外光谱（fNIRS）技术通过检测前额叶皮层血氧变化，结合BiLSTM-注意力机制模型，验证了多波长融合与空间特征分析对抑郁症生物标志物检测的有效性，为青少年群体抑郁症客观筛查提供新方法。

　　

何黄|黄亚芬|曾冠宇|余妙玉|梅玉佳

广西医科大学学生事务部，中国广西南宁530000

摘要

心理健康问题在青少年群体中日益突出。传统的评估方法依赖于主观量表，在可靠性和有效性方面存在局限性，因此迫切需要引入客观且可量化的神经生理指标。功能性近红外光谱（fNIRS）是一种非侵入性的光学传感技术，可以通过检测前额叶皮层中血液氧浓度的变化来间接反映局部神经元活动状态。fNIRS的输出信号被广泛认为是潜在的神经功能生物标志物。本研究基于高密度fNIRS传感器系统，在标准化任务下收集受试者前额叶区域的多通道血流动力学响应数据，重点提取氧合血红蛋白（HbO?）和脱氧血红蛋白（HbR）的时间序列特征，并结合深度学习模型对与抑郁相关的神经活动模式进行建模和分析。结果表明，fNIRS传感器捕捉到的前额叶皮层激活特征（如任务诱导的HbO?增加幅度、响应潜伏期和区域间功能连接强度）与抑郁症状的严重程度显著相关，证实了这些血流动力学指标作为功能生物标志物的可行性。多波长融合和通道级时空特征的整合有效提高了模型的区分性能，表明基于该传感器的神经活动数据具有高信息密度和病理特异性。研究表明，使用fNIRS传感器获得的脑皮层神经活动信号可以作为识别抑郁状态的重要生物标志物来源，其非侵入性、生态有效性和适用于自然场景的特点为开发针对学生群体的客观筛查工具提供了方法论基础。

引言

从青春期到成年期是大脑发育的关键时期，特别是前额叶皮层的成熟，这与认知控制、决策能力和情绪调节等高级功能的发展密切相关。国际研究显示，儿童和青少年中精神障碍的年诊断率呈上升趋势。这类障碍的早期出现与不良后果相关，包括更严重的疾病、自杀企图和药物滥用[1]、[2]。然而，许多有这些心理问题的学生不愿意寻求帮助，而且常常发现完成传统的心理量表评估具有挑战性，这使得在这一群体中早期识别心理健康问题成为教育工作者和临床医生的持续关注点。

早在1996年，功能性近红外光谱（fNIRS）就被确定为一种潜在的情绪评估工具[3]。其原理是通过检测近红外光（波长700–2500?nm，通常为650–950?nm）在脑组织中的吸收和散射特性来间接测量大脑皮层的血流动力学变化——例如氧合血红蛋白和脱氧血红蛋白的浓度，从而反映神经活动。此后的大量研究表明，fNIRS可以作为识别抑郁的生物标志物[4]、[5]、[6]。例如，朱H等人发现，在言语流畅性任务（VFT）中，抑郁症患者前额叶皮层中氧合血红蛋白浓度的变化与抑郁症状的严重程度相关，并表现出可用于分类预测的区域分布模式[7]。

然而，抑郁症是一种复杂且高度异质性的疾病，其表现会随时间、环境和治疗过程而变化。这种变异性使得基于单一指标或简单模型的量化方法不足以全面准确地描述抑郁症。相比之下，深度学习模型具有强大的非线性建模能力，能够捕捉脑成像数据中的复杂非线性关系。例如，Acharya UR等人使用深度卷积神经网络从EEG数据中自动学习与抑郁症相关的非线性特征，实现了高分类准确性[8]。Yong Jiao等人结合了两个独立的图神经网络模型来处理fMRI和EEG数据，在定量预测个体症状变化方面达到了0.24的R²值[9]。

一方面，抑郁症本质上是一种以情绪失调为中心的心理障碍[10]。不同的情绪调节策略在其发病、维持和恢复过程中起着关键作用，这突显了客观量化个体特征的必要性，以指导治疗选择。另一方面，当前的抑郁症研究主要集中在成人群体或分类任务上，定量评估研究相对较少，而且现有的研究往往效果有限，无法为临床决策提供精确的支持[4]、[5]。

随着可穿戴传感技术和神经成像方法的快速发展，基于传感器的脑皮层神经活动监测已成为客观评估精神障碍的重要研究方向。功能性近红外光谱（fNIRS）作为一种非侵入性的光学神经成像技术，可以通过检测皮层血流动力学响应中氧合血红蛋白/脱氧血红蛋白浓度的变化来间接反映局部神经元活动状态。与传统依赖于主观报告的心理量表相比，fNIRS具有时间分辨率高、对运动伪影相对不敏感以及适用于自然任务场景等优点，使其在研究情绪调节和认知控制等高级皮层功能方面具有独特优势。更重要的是，多项研究已经证实，fNIRS捕捉到的前额叶皮层血液氧信号是抑郁症的潜在神经生理生物标志物，其时空动态特征与临床症状的严重程度显著相关。当前的研究趋势正逐渐从提取单模态静态指标转向多通道、时间序列和高维特征的深度建模，以提高生物标志物的区分有效性和泛化能力。因此，将高精度光学传感器与先进的计算模型相结合，构建针对学生群体的抑郁状态识别框架，不仅具有方法论创新意义，也为早期筛查和精准干预提供了可行的路径。

因此，为了解决fNIRS数据的时间变化特性，本研究采用了增强有注意力机制的双向长短期记忆网络（BiLSTM）。这种方法旨在提高分类和回归性能，从而为抑郁严重程度的定性和定量评估提供方法论基础，并支持青少年抑郁症的早期筛查和针对性干预。

部分摘录

参与者

在神经精神疾病研究中，基于传感器的皮层神经活动采集系统需要平衡信号质量、生态有效性和受试者配合度。fNIRS作为一种光学传感平台，利用特定波长的近红外光穿透颅骨并被皮层组织中的血红蛋白选择性吸收。通过光电探测器接收散射光强度的变化，从而获得局部血液氧

人口统计学和临床特征的比较

基于传感器获得的fNIRS信号本质上反映了前额叶皮层中神经-血管耦合过程中的血流动力学响应。它们的时空分布模式可以作为量化皮层功能异常的客观生物标志物。在本研究中，一个53通道的fNIRS传感器阵列覆盖了前额叶皮层的多个功能亚区，从而能够空间定位与抑郁相关的神经活动。

DD组和HC组之间脑血氧含量的显著差异

在各种传感技术中，fNIRS因其出色的时间分辨率、对运动伪影的容忍度和适用于自然任务环境的特点而在皮层神经活动监测研究中得到广泛应用。fNIRS通过颅骨发射特定波长的近红外光，检测皮层组织中氧合血红蛋白（HbO?）和脱氧血红蛋白（HbR）浓度的变化，从而间接反映代谢需求和血流动力学响应

结论

基于fNIRS传感器的脑皮层神经活动监测为抑郁状态的客观评估提供了一条可行的技术路径。该技术能够持续非侵入性地捕捉前额叶的血流动力学响应，生成高分辨率的多通道时间数据，这是识别抑郁相关生物标志物的核心信息来源。本研究验证了深度学习模型在分析此类传感器数据方面的有效性

CRediT作者贡献声明

何黄：资金获取、概念构思。黄亚芬：撰写——原始草稿、数据管理。曾冠宇：资源获取、项目管理。余妙玉：监督、项目管理。梅玉佳：撰写——审阅与编辑、监督。

伦理批准和参与同意

这是一项回顾性研究，因此免除了广西医科大学第二附属医院伦理委员会的伦理批准和书面知情同意要求。该研究遵循赫尔辛基宣言进行。

资助

本研究得到了2024年广西壮族自治区卫生健康委员会西医类自筹研究项目（合同编号：Z-A20240589）的支持。项目名称为“基于基因深度学习神经网络的多模态无创颅内压监测研究”。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。