الهدف استخدام تقنيات التعلم العميق لبناء نموذج تشخيص الاكتئاب من خلال الوجه، لتوفير طريقة جديدة للتشخيص المبكر بالاكتئاب عبر التشخيص الصيني التقليدي. الطريقة شمل البحث 437 حالة (210 حالات اكتئاب مع متلازمة كبدية وطاقة طحال ضعيفة، 114 حالة طاقة كبدية وطاقة طحال ضعيفة بدون اكتئاب، و113 شخص سليم) تم جمع صور الوجه طبقًا لإجراءات موحدة. بعد استبعاد الصور الضبابية، المغطاة أو ذات الوضعية غير الطبيعية، تم توسيع البيانات عبر التدوير، التكبير، الانعكاس، النقل، وإضافة ضوضاء غاوس، وقُسمت البيانات بنسب 8:1:1 لمجموعات التدريب، التحقق والاختبار. تم استخدام EfficientNet، MobileNet V3 وResNet18 لبناء نماذج التصنيف، وتم تقييم الأداء حسب الدقة، حجم المعلمات، سرعة التقارب ومصفوفة الالتباس، كما تم استخدام تفعيل الخرائط الطبقية (CAM) لتحليل مناطق الاهتمام على الوجه أثناء اتخاذ النموذج للقرار. النتائج: ① كان EfficientNet الأعلى دقة (98.6٪)، بحجم معلمات متوسط (4.01 مليون)، وسرعة تقارب عالية، يليه MobileNet V3 (الدقة 92.7٪، 1.52 مليون معلم)، وResNet18 الأدنى دقة (92.2٪) والأكبر حجمًا (11.18 مليون)؛ ② في مصفوفة الالتباس، كان لدى EfficientNet أدنى معدل أخطاء في التصنيف بين الفئات الثلاث؛ ③ عرضت CAM أن EfficientNet يهتم بمناطق حول العين والفم عند اتخاذ القرار. الاستنتاج يعتمد نموذج التعلم العميق لتشخيص الاكتئاب من صور الوجه بالطب الصيني التقليدي على أداء توقع جيد ويوفر دليلًا موضوعيًا لمساعدة التشخيص الذكي بالاكتئاب.

الاكتئاب;التشخيص الصيني التقليدي;صور الوجه;التعلم العميق;التشخيص الذكي