Nov, 2022

慢性病中关怀心理：基于物联网的可解释人工智能方法

PDF
TL;DR本文通过使用动作传感器数据预测抑郁症证明了解决以下问题的重要性：健康感知对慢性病管理的益处如何，抑郁症预测的挑战和机器学习算法透明度和可解释性的重要性，介绍了一个新型可解释的深度学习模型 —— Temporal Prototype Network（TempPNet）以及如何将其应用于健康感知中的慢性病共同关心和抑郁症预测。
health sensingchronic diseasedepressioninterpretable deep learningmotion sensor data
发现论文，激发创造
  • 社交媒体中抑郁症检测的可解释人工智能方法：症状及持续时间如何？

    本研究提出了一种基于 MSTPNet 的解释性深度学习模型，通过对社交媒体数据进行广泛的实证分析，该模型在抑郁症检测方面优于现有模型，还能够确定抑郁症症状及其持续时间，并通过用户研究证明了对现有模型在可解释性方面的优越性。

    May, 2023

  • AI 驅動的持續情緒監測器：主動式情緒跟蹤

    本研究利用经过修改的预训练 BERT 模型检测社交媒体和用户的网络浏览数据中的抑郁文本，实现了令人印象深刻的 93% 测试准确率。同时，该项目旨在结合可穿戴设备（如智能手表和脑电传感器）的生理信号，提供情绪障碍和情绪状态的长期跟踪和预后，这种综合方法有望提高抑郁症的早期检测并促进整体心理健康结果。

    Jan, 2024

  • MentalHealthAI：利用个人健康设备数据优化精神病学治疗

    本文提出了一种个性化心理健康监测和情绪预测系统，利用患者生理数据，并采用分散的学习机制结合传输和联邦机器学习，使数据留在用户设备上，在隐私和可追踪的方式下实现心理健康条件的跟踪和管理，从而为精神科治疗提供了一个新颖的解决方案。

    Jul, 2023

  • 从分类到临床洞见：用大型语言模型分析和推理移动和行为健康数据

    使用大型语言模型（LLMs）综合多传感器数据生成临床有用的洞察力，首次展示使用 LLMs 进行二元抑郁症分类的准确性超过了现有技术，而且还强调了人工智能与医生领域专业知识和患者背景相结合的人工智能协同方法在临床决策支持方面的价值。

    Nov, 2023

  • 慢性疾病管理的少样本学习：利用大型语言模型和多提示工程与医学知识注入

    利用最先进的人工智能技术，通过用户生成的文本内容来检测各种心理障碍，该研究提出了一个新颖的框架，利用大型语言模型和多提示工程等先进技术解决数据驱动的慢性病管理中的两个关键技术挑战，其在抑郁症检测任务中取得了显著的优势，并在少训练样本的情况下对心理障碍的检测取得了成功。

    Jan, 2024

  • 通过社交媒体文本深度建模临床抑郁症

    本文研究使用 DSD 模型和社交媒体帖子来检测用户级别的临床抑郁，通过提取临床相关特征和用户发布活动的时间模式，最终提高了临床抑郁的检测准确性。

    Oct, 2022

  • 机器学习和可解释机器学习方法在精神疾病检测应用中的利与弊，具体来说是抑郁症：简要回顾

    COVID-19 疫情迫使人们限制了社交活动，导致精神疾病，特别是抑郁症的增加。为了准确快速地诊断这些疾病并防止严重后果如自杀，机器学习的使用变得越来越重要。此外，为了提供精确可理解的诊断以进行更好的治疗，AI 科学家和研究人员必须开发可解释的基于 AI 的解决方案。本文概述了机器学习和可解释 AI 领域相关文章，旨在帮助理解在精神疾病检测应用中使用 AI 的优势和劣势。

    Nov, 2023

  • 利用 ChatGPT 增强的可解释方法检测社交媒体上的心理障碍

    本文提出了一种新颖的方法，将大型语言模型（LLM）与可解释的人工智能（XAI）和类似 ChatGPT 的对话代理相结合，以解决对社交媒体上表达的抑郁症状进行及时检测的挑战。通过将 BERT 的 Twitter 特定变体 BERTweet 集成到 BERT-XDD 模型中，实现了解释能力，并通过掩码注意力提供分类和解释。利用 ChatGPT 将技术解释转化为可读性强的评论，进一步提高了可解释性。我们的方法为可解释性抑郁症检测提供了一种有效且模块化的方法，有助于发展具有社会责任感的数字平台，在合格的保健专业人员指导下促进对心理健康挑战的早期干预和支持。

    Jan, 2024

  • 基于手机传感器数据的抑郁症诊断和预测

    本文研究了利用移动电话数据进行抑郁症预测的方法，并提出了使用 LSTM 网络进行建模的解决方案，实验结果表明该预测任务的准确率与抑郁症诊断任务相当，精度可达 77.0％。

    May, 2022

  • 利用可穿戴设备的机器学习模型自主识别认知能力较弱的老年人

    穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

    Aug, 2023