許智濤 黃廷禾

（上海立信會計金融學(xué)院 上海 201209）

0 引言

（1）研究背景。2020年初爆發(fā)的公共衛(wèi)生事件深刻地影響和改變了人民的生活方式，打亂了許多人原本的人生規(guī)劃，對人民的身心健康造成了不同程度的影響。其中，受其影響最為顯著的便是青少年這一群體。青少年正處于人生觀、價值觀和世界觀形成的關(guān)鍵階段，雖然在年齡上已經(jīng)成年，但其思想尚未完全從幼稚走向成熟，心理機能尚處于不穩(wěn)定階段，自我調(diào)節(jié)與抗壓能力較差。因此，在這期間帶來的種種影響，諸如初期社會上蔓延的焦慮與恐慌的氛圍，漫長的隔離期帶來的麻木、困惑、無意義感、不安全感與失控感，均有可能給青少年帶來一定程度的心理壓力，損害著青少年的心理健康。不僅如此，即使是在防控常態(tài)化的特殊時期，依舊存在許多因素可能會影響青少年的心理健康。這些因素對于低年級學(xué)生來說，可能是返校后重新適應(yīng)集體生活和學(xué)習(xí)場景的問題，而對高年級學(xué)生來說，則可能是更為嚴重的就業(yè)困難、出國規(guī)劃被打亂、考研困難等問題。綜上所述，由公共衛(wèi)生事件帶來的直接或間接影響都可能給青少年帶來心理壓力，最終致使產(chǎn)生焦慮或抑郁的心理問題傾向。而心理問題一旦產(chǎn)生，如果沒有得到及時的疏導(dǎo)或治理，極可能持續(xù)向重度的方向發(fā)展，最終造成不可挽回的后果。因此，及時發(fā)現(xiàn)并對存在心理問題的青少年進行干預(yù)是一項刻不容緩的工作。

（2）研究現(xiàn)狀。突發(fā)公共衛(wèi)生事件對不僅僅對我國經(jīng)濟造成了沉重的打擊，同時對我國人民的心理健康造成了一定的負面影響。通過對376名在校大學(xué)生進行問卷調(diào)查，發(fā)現(xiàn)部分學(xué)生已經(jīng)出現(xiàn)了恐慌、焦慮、壓抑、抑郁、緊張等不良情緒，以及相對應(yīng)的軀體化癥狀。處于居家隔離狀態(tài)的大學(xué)生普遍出現(xiàn)了不同程度的心理應(yīng)激反應(yīng)和心理問題[1]。更有人對比了大學(xué)生和全社會的平均情況，發(fā)現(xiàn)大學(xué)生的心理健康水平低于全社會，且焦慮和抑郁分數(shù)高于全國常模[2]。因此，關(guān)注大學(xué)生的心理健康狀況，有針對性滿足大學(xué)生的心理需求，解決其心理困擾，積極介入和干預(yù)大學(xué)生的心理問題十分有必要[3]。對于如何解決青少年的因疫情導(dǎo)致的焦慮—抑郁傾向問題，國內(nèi)部分學(xué)者也提出了自己的見解。在外部策略的研究上，通過調(diào)查問卷分析[4]，以及Logistic多元回歸分析[5]研究大學(xué)生心理問題的影響因素，發(fā)現(xiàn)大致應(yīng)該從家庭、學(xué)校、社會等大方向去探討解決對策。而在內(nèi)部策略的研究上，發(fā)現(xiàn)大學(xué)生心理健康狀況與心理復(fù)原力及各維度呈顯著負相關(guān)[6]受挫心理是大學(xué)生心理問題的內(nèi)在動因[7]，因此在個人方面，可以通過提高大學(xué)生復(fù)原力水平，滿足大學(xué)生心理需要等方面進行干預(yù)。

1 實現(xiàn)方法

1.1 基于DBSCAN算法尋找各類興趣區(qū)

對于不同的類（正常、抑郁、焦慮、焦慮—抑郁）而言，樣本所注視的區(qū)域往往是不同的。例如，我們利用眼動數(shù)據(jù)畫出了正常類以及抑郁類中某些樣本的熱力圖之后，可以明顯地發(fā)現(xiàn)，這兩類所注視的區(qū)域是有十分明顯的差距的。對此，我們預(yù)先并不可能知道某類對某張圖的興趣區(qū)域具體是哪些，所以我們利用DBSCAN算法進行聚類從而尋找各類的興趣區(qū)域經(jīng)過上述所說的DBSCAN算法進行聚類后，對于每一類的不同圖片的興趣區(qū)域已經(jīng)有明顯的差異，利用每一個簇的邊界點構(gòu)成聚類邊界，以該邊界構(gòu)成的區(qū)域即興趣區(qū)域。對于各類的區(qū)域而言，正常樣本的興趣區(qū)域與非正常樣本之間存在著重合的以及不重合的區(qū)域。對于重合的區(qū)域，我們認為這是由于圖像的主體所吸引的被測試者的目光。而對于每個類獨有的區(qū)域，就是該類所特有的興趣區(qū)域。此處我們定義，正常類的特有興趣區(qū)域成為積極區(qū)域，非正常類的特有興趣區(qū)域成為消極區(qū)域。

1.2 基于BP神經(jīng)網(wǎng)絡(luò)的精確分類

在分類器測試實驗中，我們將數(shù)據(jù)集分為訓(xùn)練集（占比75%）以及測試集（占比25%），然后選擇了多種機器學(xué)習(xí)算法，包括：K 臨近算法（KNN，K-Nearest Neighbor）、支持向量機算法（SVM，Support Vector Machine）、樸素貝葉斯（GNB，Gaussian naive Bayes）、邏輯回歸（LOG，Logistic）、BP 神經(jīng)網(wǎng)絡(luò)（BPNN,Back Propagation Neural Networks）。在利用多種機器學(xué)習(xí)分類算法進行實驗后，我們對所有算法的表現(xiàn)都畫出了相應(yīng)的ROC曲線，最終選擇效果最好的BP神經(jīng)網(wǎng)絡(luò)作為最佳分類方法，以此來檢測新樣本是否存在焦慮—抑郁傾向。

2 創(chuàng)新點

2.1 研究視角創(chuàng)新

對于心智尚未完全成熟的青少年而言，生活狀態(tài)、學(xué)習(xí)模式等方面的改變對他們心理狀況的影響是較大的。本文使用基于生物學(xué)特征的焦慮—抑郁檢測方法，利用其去主觀化的特點，對兩所國內(nèi)的高中、兩所國內(nèi)的高校進行調(diào)研，具有科學(xué)性和正確性。

2.2 學(xué)術(shù)觀點創(chuàng)新

該核本文提出采用基于生物學(xué)特征與機器學(xué)習(xí)相結(jié)合的焦慮—抑郁檢測新思路。依靠受測者眼部運動特征判斷其是否患有焦慮—抑郁傾向。依靠生物學(xué)特征檢測青少年是否患有焦慮—抑郁傾向的方法對于社會環(huán)境優(yōu)化的發(fā)展具有重要指導(dǎo)意義。

2.3 研究方法創(chuàng)新

我國以抑郁障礙為主的心境障礙和焦慮障礙患病率總體呈上升趨勢。現(xiàn)有的傳統(tǒng)量表檢測較大程度上受到受測者主觀因素的影響，從而導(dǎo)致量表檢測結(jié)果與受測者實際結(jié)果造成一定程度上的偏差?；谏飳W(xué)特征的檢測方法具有去主觀化、可重復(fù)性的特點，不僅可以有效避免受測試者因?qū)α勘眍}目有自己的認知偏差，還可以避免受測者為了躲避真實檢測結(jié)果而利用主觀意識改變量表的填寫結(jié)果等一系列造成檢測錯誤的現(xiàn)象。不僅如此，文本還根據(jù)調(diào)研得來的結(jié)果給出相應(yīng)建議，做到檢測方法與檢測結(jié)果建議并行的創(chuàng)新。

3 總結(jié)

通過解讀由生物學(xué)標記法獲取的實驗數(shù)據(jù)而得到的檢測結(jié)果具有極高的準確性和極大的可靠性，并且生物學(xué)標記法可以避免極大部分主觀因素對實驗數(shù)據(jù)造成影響，從而使實驗數(shù)據(jù)與患者的實際情況具有極高的匹配度。生物學(xué)標記法不但可以幫助咨詢師更好地檢測患者是否患病及患者患病的嚴重程度，而且對了解有關(guān)病情的發(fā)病機制同樣有極大的促進作用，可以更有效、更有針對性地幫助患者減輕病情影響。盡管生物學(xué)對抑郁癥的研究到現(xiàn)在仍然存在一定局限性，但前景依然十分可觀。