本研究提出了一种机器学习系统，通过使用行为数字表型数据预测、检测和解释患有精神分裂症的患者症状的个体变化情况，通过使用变化点算法检测减少的症状，并在模拟持续监测的情况下使用反事实说明作为医疗保健中的纾困措施。

Jun, 2023

精准精神病学是一种个体化的心理保健方法，其中包括多元分析和机器学习等技术，该论文重点探讨了精准精神病学面临的十项挑战，包括临床结果定义、安慰剂效应和预测模型实施的公平性等问题，提出了从静态概念转向考虑精神健康动态和相关因素的前瞻性研究。

Jun, 2023

通过将机器学习和神经调节技术与先进的可穿戴和移动技术相结合，提供了广泛的机会来在精确精神病学中提供解释性方案和有效的治疗方法。

Apr, 2022

本文综述了理论和数据分析思路如何与计算机和实验方法相互作用，通过各种背景，时间尺度和时间尺度回答这些问题，并试图突出方法之间的共性和在行为量化方面进一步发展的必要性。

Dec, 2017

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

数字健康技术，如可穿戴设备，通过个性化、连续和实时监测患者，为新型疗法和个体化医疗的发展做出了贡献。本文提出了一种新颖的药理学启发的神经随机微分方程模型，可以应对从这些技术中产生的具有随机特性的数据进行分析的挑战。使用合成数据，我们证明了我们的方法在识别治疗效果和学习因果关系方面是有效的，从而实现反事实模拟。

Mar, 2024

本文回顾了大规模神经科学研究中的技术和数据分析方面的缺陷，并提出了新的理论框架与方法以促进神经科学概念的进一步发展。

Mar, 2015

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

研究使用可穿戴和环境传感器分析医院工作人员的工作表现，人际交往和幸福感，收集 212 名参与者的生理和行为数据，并通过测量个性特征，行为状态，工作表现和幸福感等问题，构建数据集，支持多模态行为建模、生物特征认证和隐私保护机器学习等应用

Mar, 2020

本跨学科研究项目旨在收集和分析社交媒体数据来研究被诊断为双相情感障碍的人群的个人康复经历，旨在探讨个人康复在双相情感障碍中的各个方面和机制。

Jun, 2019