引言
情感障碍是一组以情感或心境显著且持续变化为特征的疾病群。在各种临床亚型中，单相抑郁（UD）和双相障碍（BD）是最常见且最主要的两种形式（Association, A.P., 2013）。临床上，准确诊断BD尤为困难，尤其是在其早期阶段。初始症状往往表现为抑郁，导致BD被频繁误诊为UD，误诊率高达20.8%–69%（Hirschfeld等, 2003; Hu等, 2012）。鉴于BD以反复发作、高自杀率（Miller和Black, 2020）、高共病率（Schiweck等, 2021; McIntyre等, 2020）、高致残率（Huxley和Baldessarini, 2007）及严重的疾病负担（Collaborators, G.M.D., 2022）为特征，早期准确识别并进行干预对患者及其家庭至关重要（Vieta等, 2018）。然而，目前情感障碍的诊断高度依赖临床医生的经验，引入了较高的主观性。因此，开发客观的生理标志物以支持临床医生准确诊断具有重要意义。
多年来，研究已证实大脑生理信号在情感和认知调节过程中存在客观变化（Adebisi和Veluvolu, 2023），多个脑区与特定的情绪状态相关，尤其是反映情绪处理和调节的脑区（Cotovio和Oliveira-Maia, 2022; Townsend和Altshuler, 2012）。此外，越来越多的证据表明，脑功能网络异常是区分UD与BD的关键（Gong等, 2021; Han等, 2019; Li等, 2021; Han等, 2020）。Gong对BD患者脑网络研究的一项荟萃分析发现，默认模式网络（DMN）内部连接性降低，情感网络（AN）内部连接性增加，腹侧注意网络（VAN）和额顶网络（FPN）连接性异常，以及FPN与DMN之间连接性降低（Gong等, 2021）。近期研究表明，DMN内部相互作用的减少有助于早期鉴别BD与UD（Shao等, 2019）。脑生理信号的变化可通过神经成像技术观察到。目前，各种神经成像技术已被应用于研究单相和双相障碍相关的脑结构和功能变化，旨在建立这些障碍的客观生理评估指标。这些技术包括功能磁共振成像（fMRI）（Shao等, 2019; Jie等, 2015; Jiang等, 2024; Li等, 2017; Wu等, 2024）、脑磁图（MEG）（Kim等, 2020）和脑电图（EEG）（Tekin Erguzel等, 2015; Ravan等, 2024; Ravan等, 2023）。
与其他神经成像技术相比，EEG因其数据采集简便和高时间分辨率而具有优势，使其常用于脑功能研究，并作为临床精神科的辅助诊断工具（Zhang等, 2021; Jiang等, 2019; Abi-Dargham等, 2023; Xue等, 2010）。先前的研究发现，自发脑电图（EEG）可能是揭示意识状态下脑区功能连接和同步模式的关键，包括默认模式网络（DMN）（Mantini等, 2007）。因此，一些现有研究使用静息EEG作为研究数据，在区分单相抑郁和双相抑郁方面取得了较高的分类准确率，但仍存在一定的局限性。一项早期研究提取了基于相干性的连接特征，使用改进的蚁群优化方法进行特征选择，以支持向量机（SVM）作为分类器，以80.19%的准确率区分了55例单相抑郁患者和46例双相抑郁患者（Tekin Erguzel等, 2015）。然而，由于样本量较小，模型的外推能力无法得到充分评估。一项近期研究使用符号转移熵作为连接度量的指标，并采用支持向量机（SVM）对单相和双相抑郁进行分类，准确率达到了84.9%，但样本量较小的局限性仍然存在。此外，这两种方法都通过均值合并了跨时间段的特征，未能考虑脑网络的时间变化特性（Ravan等, 2023）。另一项研究采用深度学习模型自适应地加权每个电极，在由44例单相抑郁和26例双相抑郁组成的数据集上达到了83.2%的准确率。然而，该研究同样面临样本量较小和分布高度不平衡的局限，这可能导致结果偏向较大的组别。此外，该方法在架构设计中未建立通道间的关系网络，限制了其生成更具临床意义解释的能力（Zhao等, 2023）。
EEG生物标志物研究涵盖de Aguiar Neto和Rosa综述的诊断应用（de Aguiar Neto和Rosa, 2019）以及Olbrich和Brunovsky评论中讨论的治疗预测（Olbrich和Brunovsky, 2021），可重复性对于临床转化仍具有重要意义。近期工作研究了MDD中α波段活动与认知指标的联合分析（Wang等, 2024）、用于UD-BD鉴别的α波段特征（Zhao等, 2025），以及情绪障碍中便携式前额EEG记录的性别相关效应（Tang等, 2025）。这些频谱方法为评估潜在时空特征的附加价值提供了背景参考。
当前研究存在以下局限性，如样本量较小以及对EEG时空特征考虑不足等。因此，我们提出了基于变分自编码器（VAE）的时空融合网络（VTSFN），这是一种同时考虑模型衍生的潜在共激活和时间动态的深度学习架构。该框架在一个包含317名基线诊断为MDD或BD且经过纵向诊断随访的参与者队列中进行开发和评估。我们的模型由两个主要部分组成：第一部分在VAE空间中构建潜在共激活矩阵，因为基于VAE的自编码器能够对复杂多变的EEG进行参数化，提供相对稳定且连续的参数空间（Kingma和Welling, 2014）。此外，已有研究将此类型的模型应用于情绪识别或情感障碍的鉴别，证明其能够捕捉与情绪相关的脑活动（Honke等, 2021; Bethge等, 2022）。我们使用前序研究中描述的VAEEG，将EEG信号投射到潜在空间，并基于潜在空间特征构建更稳定的潜在共激活拓扑表示（Zhao等, 2024）。在第二部分，我们利用带有注意力机制的长短时记忆（LSTM）模型（Zhou等, 2016; Wang等, 2016）自适应地关注能够显著区分单相抑郁和双相抑郁的时间点，为这些时间点赋予更高的权重，从而实现更精确的分类结果。此外，我们提供了一种基于模型结构的特征提取方法，可与临床解释相联系。通过沿时间维度提取注意力权重，我们获得了更为突出的潜在共激活特征，为鉴别单相抑郁和双相抑郁提供了探索性的模型衍生特征。
