基于眼动虚拟场景的抑郁症辅助诊断系统

摘" 要：眼动作为一种行为学评估方式，在精神类疾病的辅助诊断中起到越来越重要的作用.结合眼动追踪技术以及抑郁症的眼动行为学机理，开发了一款适用于抑郁症辅助诊断的眼动虚拟现实系统.系统中集成了能够对抑郁症患者注意能力、记忆能力和空间导航能力进行评估的3种虚拟游戏场景，并能够实时记录被试者的眼动数据.通过眼动特征提取与分析实现了抑郁症患者多种能力的准确评估，进而实现抑郁症的辅助诊断.通过20名抑郁症患者和20名健康被试者的验证，证明了该系统在抑郁症辅助诊断方面的有效性.该项研究将有助于推进抑郁症的数字化诊疗方式发展.

关键词：眼动；抑郁症；虚拟现实；辅助诊断

中图分类号：TP391""" 文献标志码：A""" 文章编号：10001565（2024）05053506

DOI：10.3969/j.issn.10001565.2024.05.010

Assisted diagnosis system for depression based on eye-movement virtual scenes

ZHAO Wuji1，2， YANG Jianli1， YANG Xiaoru3， ZHANG Shuo4

（1. Key Laboratory of Digital Medical Engineering of Hebei Province， School of Electronic Information Engineering， Hebei University， Baoding 071002，China;

2. Faculty of Psychology， Beijing Normal University， Beijing 100875，China;

3. Productivity Promotion Center of Baoding， Baoding 071000，China;

4. Human Resources Department， Affiliated Hospital of Hebei University， Baoding 071000，China）

Abstract： Eye movement， as a behavioral assessment method， plays an increasingly important role in the assisted diagnosis of mental disorders. An eye-movement virtual reality system for assisted diagnosis of depression was developed by combining eye-tracking technology and the eye-movement behavioral mechanism of depression. The system integrated three virtual game scenarios capable of assessing attentional， memory， and spatial navigation abilities in depressed patients， and was capable of recording subjects eye movement data in real time. Accurate assessment of multiple abilities of depressed patients was achieved by feature extraction and analysis of eye data， which in turn enabled assisted diagnosis of depression. The effectiveness of the system in aiding diagnosis of depression was demonstrated through the

收稿日期：20230107;修回日期：20230308

基金项目：

河北大学自然科学多学科交叉研究计划资助项目（DXK202205）

第一作者：赵无忌（1997—），男，北京师范大学在读博士研究生，主要从事虚拟现实、信号处理方向研究.E-mail：starry995@163.com

通信作者：张烁（1988—），女，河北大学附属医院经济师，主要从事数据统计、智能分析方向研究.E-mail： Zhangshuolele@126.com

validation of 20 depressed patients and 20 healthy subjects. The study will help to advance the development of a digital approach to the treatment of depression.

Key words： eye-movement; depression; virtual reality; assisted diagnosis

《2022年国民抑郁症蓝皮书》显示，全球精神障碍患者约有10亿人.随着社会压力的增大，抑郁症患者呈现出激增趋势，增幅约为27.6%，给抑郁症的防治带来了严重的挑战.目前，抑郁症临床诊断以量表评估（汉密尔顿量表等）为主，但量表评估存在较大的主观性，难以实现抑郁症的客观、量化评估.眼动作为一种客观化的行为学评估方法，在脑功能状态评估方面表现出极大的优势［1-3］.

Suslow等［4］通过眼动追踪技术研究了抑郁症患者在自由观看任务中的注意力维持情况，发现抑郁症患者对情绪低落刺激的注意力维持程度会有中等程度的增加，而对积极刺激的注意力维持程度有中等程度的减少.Takahashi等［5］利用眼动追踪技术研究了抑郁症患者在自由注视、注视稳定性和平滑追踪任务中的眼动特征，发现在自由注视和平滑追踪任务中抑郁症患者和正常人具有较大的眼动特征差异，而在注视稳定性任务中未发现明显的眼动异常.Wang等［6］研究了自由注视、注视稳定性和平滑追踪任务下情感障碍患者的眼动特征，并采用Mann-Whitney U 检验方法进行了特征的对比分析，发现重度抑郁症、双相抑郁症和双相躁狂症患者在3种眼动任务下均有类似的眼球运动功能障碍.

虚拟现实作为一种特殊的任务模式，被成功应用到抑郁症的诊断和治疗中［7-8］.Zheng等［9］提出了一种基于虚拟现实的抑郁症检测新方法，通过虚拟场景中的眼动特征分析进行抑郁症识别，结果表明使用虚拟现实的眼动参数可作为检测抑郁症状的生物标志物.Cameirao等［10］开发了一种涉及注意力和短时记忆的认知-运动虚拟现实任务，并研究了不同情绪图像所产生的影响，证明了虚拟现实的认知运动任务用于患者的注意力和记忆力康复是可行的.Li等［11］通过构建不同的三维动态虚拟现实互动场景，研究了虚拟现实环境对轻度至中度焦虑症和抑郁症患者情绪和认知恢复的影响，结果表明虚拟现实城市环境的得分高于自然环境，验证了虚拟现实场景的有效性.

Chitale等［12］研究了电子游戏和虚拟现实在焦虑和抑郁评估中的应用，发现大多数研究表明了使用游戏或虚拟现实技术来进行焦虑症和抑郁症评估的有效性，但仍需要更多临床证据.

因此，采用游戏化场景设计方式，建立能够反映抑郁症患者多种类型脑功能的场景模式，并进行临床验证和评估，对于推进眼动虚拟现实场景的抑郁症辅助诊断具有重要作用.

1" 眼动虚拟场景设计

本文提出的抑郁症眼动虚拟场景辅助诊断系统（图1）主要由2部分组成：眼动追踪设备和虚拟现实游戏场景.眼动追踪设备负责眼动位置的实时追踪、各场景下眼动数据的采集以及与虚拟现实场景之间的交互；虚拟现实游戏场景负责提供能够反映不同类型脑功能的场景模式、关卡的选择模式和场景切换模式.

眼动追踪设备使用成都集思鸣智公司开发的EM-2000R高精度快速眼动追踪仪，能以1 000次/s的采样帧率对双眼进行实时跟踪，可实时计算眼睛的位置、瞳孔大小和角膜反光点的位置.实验中采用的是开放式眼动采集与分析系统，如图1所示.眼动数据采集界面大致分为6个功能区，分别为图像显示区、xy视图区、眼位置区、参数调整区、操作信息区和数据截取控制区.

眼动追踪设备与虚拟场景之间的交互通过UDP协议实现，具体实现过程如图2所示.眼动采集设备实时采集被试者的眼睛注视位置，并把相关信息传递给眼动设备控制主机.场景主机负责运行Unity虚拟游戏场景，并将场景展示在场景显示屏上，场景中集成了Unity事件驱动模型，可控制场景模式的切换和动态响应.眼动设备控制主机和场景主机通过UDP协议进行信息交互，来实时传输眼动采集数据和眼动设备控制命令，从而实现了眼动追踪设备和虚拟场景之间的实时交互.

根据抑郁症患者在注意力、记忆能力、空间导航能力等方面的大脑功能差异，本文设计了3种类型的眼动虚拟游戏场景，分别为注意力测试眼动虚拟场景、记忆能力测试眼动虚拟场景和空间导航能力测试眼动虚拟场景，如图3所示.

注意力测试中，场景中随机出现牛、羊、猪等动物，并在场景左上角提示当前任务中需要识别的动物类型，要求被试注视在相应的动物模型上至少持续2 s，如果被试眼睛跳出注视范围，将重新计时.场景中的每个动物模型均设有半径为1视角度的圆形碰撞体积，通过眼跳采集设备实时采集的数据和Unity的碰撞检测技术，实时判定眼睛位置与动物模型之间的空间位置关系，从而判定眼睛是否注视在有效的范围内.场景设定的最大完成时间为10 s，如果被试者在规定时间内未能准确识别任务要求的动物模型或者注视时间未达到标准，被视为任务失败.

记忆能力测试中，在室内场景中随机出现沙发、茶几、花瓶等生活用品，要求被试者仔细观察房间内包含的物体和其位置，经过预定时长后，场景中随机1个物品会消失，然后，在屏幕上会出现1个选择界面，由被试者在规定的时间内选出消失的物品.

空间导航能力测试中，在场景中出现一段城市街道和1个第一视角的汽车方向盘，被试者通过注视屏幕的上、下、左、右4个特定区域来控制汽车的移动，每个控制区域的尺寸设定为长15视角度、宽10视角度的矩形.被试者通过控制汽车方向盘上、下、左、右达到指定位置.为了防止控制过程中汽车跑出视角范围，在场景中街道两侧均设定了碰撞检测算法，防止汽车跑出街道范围.

2" 数据采集和眼动特征提取

在河北大学附属医院进行了被试者招募，共纳入2组被试者，包括20例正常对照组和20例抑郁症组.抑郁症被试者纳入标准：1）能够正确理解实验内容并由本人或亲属签署知情同意书；2）右利手，自身视力正常或校准后视力正常；3）经临床诊断确诊为抑郁症患者.抑郁症受试者排除标准：1）校准后视力低于1.0或有严重眼部疾病；2）有严重颅脑外伤史；3）无法确定是否为抑郁症.

眼动数据分析：首先采用四阶巴特沃兹低通滤波器进行数据预处理，去除眼动轨迹中的高频噪声干扰；然后，利用移动平均滤波法去除眼动信号中的异常值；最后，采用自适应速度阈值法来检测任务过程中的眼跳.

为了更好地评估抑郁症患者在虚拟游戏场景任务中的表现，分别提取了主序列特征、眼跳频率、反应时长和完成任务时长等眼动特征.特征的具体定义如下：

1）主序列特征：眼跳峰值速度与幅值之间的比例，用来反映个体在执行眼跳动作时速度与准确性之间的均衡；

2）眼跳频率：单位时间内发生眼跳的次数，用来评估个体注视过程中注意力分配情况；

3）反应时长：记忆任务中视觉刺激出现到个体眼睛快速移动到目标点所需的时间，用来反映个体对视觉刺激的感知速度、信息处理和执行眼跳的能力；

4）完成任务时长：导航任务中从任务开始到完成任务所需的时间总和，用来评估导航过程中被试者的控制能力和应变水平.

3" 眼动虚拟场景中抑郁症的眼动特征分析

图4为正常对照组和抑郁症患者在3种眼动虚拟场景下的眼动特征分析结果，图4a 为注意力测试中的眼跳频率特征，图4b为记忆能力测试3中的反应时长特征，图4c为空间导航能力测试中的完成任务时长特征，图4d为综合3个能力测试得到的主序列特征，图4中p值为利用克鲁斯卡尔-沃利斯检验得到的，用来反应2个组之间的差异性.图4可知，抑郁症患者在注意力测试任务中表现出更多的眼跳活动，反映了抑郁症患者注视的不稳定性；在记忆能力测试中，抑郁症患者的反应时长也明显高于健康对照组；在空间导航能力测试中，抑郁症患者对于汽车控制的平稳性要差于健康对照组，所以完成任务的总体时长高于健康对照组.综合3个任务的主序列特征来看，健康对照组的平均值要高于抑郁症患者，表明健康对照组眼跳控制效率和个体调控能力更强.3种眼动虚拟场景下的眼动特征分析结果表明3类场景对于抑郁症辅助诊断均有效果.

采用袋装集成学习分类方法对不同场景下抑郁症的眼动特征进行了分类，其中训练集和测试集比例设置为7∶3，分类程序运行100次，取分类结果的平均值作为最终分类精度，结果如表1所示.从表1数据可知，记忆任务场景中的反应时长特征取得了最好的分类结果，为75.10%.同时，3个任务场景下的分类结果都大于64%，证明了眼动虚拟游戏场景在抑郁症辅助诊断中的有效性.

4" 总结

本文设计一套基于眼动虚拟游戏场景的抑郁症辅助诊断系统，结合抑郁症发病机制及相关眼动特点，分别构建了能够对注视功能、记忆能力和空间导航能力进行评估的虚拟现实游戏场景，通过眼动追踪设备与虚拟场景的实时交互，有效采集了游戏过程中的眼动数据，经过多种眼动特征分析，验证了眼动虚拟游戏场景在抑郁症辅助诊断中的有效性.本文的研究成果将有利于推进抑郁症数字化诊疗方式的发展，同时，能够应用于智能医学和认知神经科学等相关学科的教学与研究中.

参" 考" 文" 献：

［1］" SHAIKH A G， ZEE D S. Eye movement research in the twenty-first century-a window to the brain， mind， and more［J］. Cerebellum， 2018， 17（3）： 252-258. DOI： 10.1007/s12311-017-0910-5.

［2］" CHEN M J， LI Y， CHEN J， et al. Structural and functional brain alterations in patients with idiopathic rapid eye movement sleep behavior disorder［J］. J Neuroradiol， 2022， 49（1）： 66-72. DOI： 10.1016/j.neurad.2020.04.007.

［3］" MAHANAMA B， JAYAWARDANA Y， RENGARAJAN S， et al. Eye movement and pupil measures： a review［J］. Front Comput Sci， 2022， 3： 733531. DOI： 10.3389/fcomp.2021.733531.

［4］" SUSLOW T， HUSSLACK A， KERSTING A， et al. Attentional biases to emotional information in clinical depression： a systematic and meta-analytic review of eye tracking findings［J］. J Affect Disord， 2020， 274： 632-642. DOI： 10.1016/j.jad.2020.05.140.

［5］" TAKAHASHI J， HIRANO Y， MIURA K， et al. Eye movement abnormalities in major depressive disorder［J］. Front Psychiatry， 2021， 12： 673443. DOI： 10.3389/fpsyt.2021.673443.

［6］" WANG Y， LYU H L， TIAN X H， et al. The similar eye movement dysfunction between major depressive disorder， bipolar depression and bipolar mania［J］. World J Biol Psychiatry， 2022， 23（9）： 689-702. DOI： 10.1080/15622975.2022.2025616.

［7］" 曾申娟，文利琴，雍小敏，等.虚拟现实（VR）+音乐干预青少年抑郁情绪的应用研究［J］.基层医学论坛， 2023， 27（31）： 108-110. DOI： 10.19435/j.1672-1721.2023.31.036.

［8］" 董莹盈，崔丹丹，谢渭根，等.优化后VR眼镜在治疗抑郁症患者消极情绪中的作用［J］.中国医药科学， 2022， 12（24）： 142-144. DOI： 10.3969/j.issn.2095-0616.2022.24.035.

［9］" ZHENG Z G， LIANG L J， LUO X， et al. Diagnosing and tracking depression based on eye movement in response to virtual reality［J］. Front Psychiatry， 2024， 15： 1280935. DOI： 10.3389/fpsyt.2024.1280935.

［10］" CAMEIRA""""""" ～O M S， FARIA A L， PAULINO T， et al. The impact of positive， negative and neutral stimuli in a virtual reality cognitive-motor rehabilitation task： a pilot study with stroke patients［J］. J Neuroeng Rehabil， 2016， 13（1）： 70. DOI： 10.1186/s12984-016-0175-0.

［11］nbsp; LI H， DONG W Y， WANG Z M， et al. Effect of a virtual reality-based restorative environment on the emotional and cognitive recovery of individuals with mild-to-moderate anxiety and depression［J］. Int J Environ Res Public Health， 2021， 18（17）： 9053. DOI： 10.3390/ijerph18179053.

［12］" CHITALE V， BAGHAEI N， PLAYNE D， et al. The use of videogames and virtual reality for the assessment of anxiety and depression： a scoping review［J］. Games Health J， 2022：11（6）：341-354. DOI： 10.1089/g4h.2021.0227.

（责任编辑：王兰英）