Dec, 2023

异质儿童心理健康临床记录的动态主题语言模型

PDF
TL;DR通过长期主题模型，我们研究了 COVID-19 期间儿童心理健康的变化，发现性别和性别少数群体的儿童在大流行事件和疫苗相关新闻方面表现更为明显，为临床医生识别与儿童性别和性别认同相关的心理健康差异提供了宝贵的见解。
mental healthtopic modellongitudinalcovid-19children
发现论文，激发创造
  • 应用主题建模发现精神健康研究课题

    通过分析大量与心理健康相关的研究论文的摘要，使用 Sentence-BERT 和 BERTopic 框架训练的自定义嵌入模型，本研究旨在识别该领域的一般趋势和高影响力的研究主题，还使用了词云生成了综合概述在心理健康研究中应用的机器学习模型，揭示了常用的技术和新兴趋势。

    Aug, 2023

  • 心理健康轨迹建模：挑战与机遇

    开发长期结合多因素特征的平台以定义儿童社交情感发展的亚型，以促进精神疾病早期行为迹象的精神病学知识。虽然潜在类混合模型和 GP 模型均可准确预测未来的发展轨迹，但缺乏足够的相关数据和改进的有效方法，目前尚未具有临床意义。

    Dec, 2016

  • 社交媒体纵向监测中的语义漂移问题：COVID-19 疫情期间心理健康案例研究

    本研究通过一个时时刻刻的案例研究 —— 了解 COVID-19 大流行期间抑郁症状的转变，探讨了在存在语义转换的情况下，仅包含少量语义不稳定特征，可能会促进目标结果的纵向估计产生显著变化的现象。同时，我们证明了一种最近引入的常量转换方法可以被用于预测基于语言的模型的失效点，并提高预测泛化能力。

    Jun, 2022

  • 用于追踪复杂主题结构演化的分层狄利克雷过程及其在自闭症研究文献中的应用

    本文介绍了一种利用分层狄利克雷过程对数据语料进行时间分段主题发现的新框架，用于追踪其结构变化，并且用于医学文献语料中的自闭症谱系障碍研究。

    Feb, 2015

  • 发现一个随时间演化的文档语料库的主题结构

    本文提出一种基于离散化时间的 epochs、使用层次狄利克雷过程的话题发现，以及可以建模复杂话题变化的时间相似性图的新框架，实验表明该算法能够准确捕捉医学文献语料库的发展和演变。

    Dec, 2015

  • 大型语言模型与专家相当：识别青少年在线论坛中的心理健康因素

    儿童和青少年的心理健康在过去几年中不断恶化。大型语言模型（LLMs）的出现为监测和干预的成本和时间效率提供了很大希望。我们创建了一个 Reddit 帖子的新数据集，经过专家精神科医生的标注，用于以下类别：创伤，不稳定性，病情，症状，自杀倾向和治疗，并将专家标签与两个表现最佳的 LLMs（GPT3.5 和 GPT4）的注释进行比较。我们发现 GPT4 与人际标注者一致性的表现相当，并且合成数据的性能要高得多，但我们发现模型有时仍会在否定和事实性问题上犯错误，合成数据的更高性能是由于真实数据的复杂性而不是固有优势。

    Apr, 2024

  • 分析时间序列文档集的动态和静态主题模型

    本文提出一个动态和静态主题模型，能同时考虑时间上的主题演化和每个时间的主题层级结构，以此来分析结构化的时间序列文档。作者通过实验表明，该方法在科学论文集的主题提取方面优于传统模型，并展示了提取出的主题结构，以此来帮助对研究活动进行分析。

    May, 2018

  • 基于文本的时间表示的心理障碍分类

    基于社交媒体帖子的精神障碍预测在当前语言模型的限制下面临挑战，本研究提出了一个创新框架，通过将社交媒体帖子的大量时间顺序压缩为一系列数字，实现了精神障碍的分类，并在三种精神病症（抑郁症、自残和厌食症）中相比当前最优方法在 F1 得分上提升了 5％，同时强调了文本数据的时间属性的重要性，探索了跨领域研究的可能性。

    Jun, 2024

  • 探索社会健康因素的临床社工笔记主题建模

    通过对 0.95 百万份社会工作者记录的词频分析和 LDA 主题建模分析，本文确定了社会卫生风险因素的 11 个主题，包括财务状况、虐待史、社会支持、死亡风险和心理健康等，证明了社会工作者提供了个人社会决定因素上富有独特性和不可获得性的信息。

    Dec, 2022

  • 短视频与心理健康：知识引导的多模态神经主题模型

    通过应用知识引导的多模态神经主题模型，我们成功地预测了短视频对观众的抑郁影响，并发现了与抑郁影响相关的医学主题。

    Jan, 2024