基于可穿戴设备的行为与生理生物标志物用于分类抑郁严重程度（单侧性与双侧性）

抑郁是一种复杂的精神疾病，其特征为多样化的可观察和可衡量指标，超越了传统的主观评估。近期研究日益关注利用可穿戴设备进行客观、被动且持续的监测，以获得对抑郁生理和行为方面的更精确见解。然而，大多数现有研究主要区分健康者与抑郁者，采用二元分类，无法捕捉抑郁疾病的异质性。本研究利用可穿戴设备预测抑郁亚型——具体而言是单侧性和双侧性抑郁，旨在识别可增强诊断精度并支持个体化治疗策略的独特生物标志物。为此，我们引入CALYPSO数据集，用于通过生理和行为信号（包括血容量脉冲、皮肤电导活性、体温和三轴加速度）非侵入式检测抑郁亚型和症状。此外，我们使用众所周知的特征和标准机器学习方法在数据集上建立了基准。初步结果表明，来自加速度计数据的与身体活动相关的特征在区分单侧性和双侧性抑郁方面最为有效，准确率达$96.77\%$。温度特征也显示出高度的辨别力，准确率达$93.55\%$。这些发现凸显了生理和行为监测在改进抑郁亚型分类方面的潜力，为更精细的临床干预铺平了道路。