depression detection | BriefGPT

关键词depression detection

搜索结果 - 27

我们关心：多模态抑郁症检测与知识注入型心理健康治疗响应生成
使用非语言线索检测抑郁症，引入虚拟助手与认知行为疗法基于的回应，取得了显著成果。
PDF17 days ago
LLMs 对抑郁预测的数量和质量性别公平性研究
最近的研究表明，许多机器学习模型在抑郁症检测方面存在偏见，但是对于此任务中 LLMs 的偏见尚未被探索。本文首次尝试使用定量和定性方法研究现有 LLMs（ChatGPT，LLaMA 2 和 Bard）中存在的性别偏见程度。通过我们的定量评估
PDF20 days ago
测试时间训练用于抑郁症检测
通过分析测试时间训练（TTT）在改善抑郁症检测模型的鲁棒性方面的应用，我们发现与常规测试相比，TTT 可以显著提高模型在由背景噪声、性别偏见和数据收集过程引入的各种分布偏移下的鲁棒性。
PDF3 months ago
利用大型语言模型在社交媒体上进行抑郁症检测
通过分析社交媒体上用户的历史帖子，我们提出了一种名为 DORIS 的新型抑郁症检测系统，结合医学知识和大型语言模型的最新进展，在早期检测和干预上具有重要作用，并且该系统通过结合传统分类器和大型语言模型，融合医学知识引导的特征，实现了高准确性
PDF4 months ago
Illuminate：一种新的抑郁检测方法，使用可解释分析和主动疗法通过提示工程
利用大型语言模型（GPT-4、Llama 2 chat 和 Gemini）进行抑郁症检测与治疗的革新性范式，通过专用提示进行精调，以诊断、解释和提供抑郁症的治疗干预；独特的少样本提示方法增强了模型基于 DSM-5 标准分析和解释抑郁症状的能
PDF5 months ago
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
PDF5 months ago
跨帧阅读：基于非语言线索的视频多模态抑郁检测
通过多模态时间模型从用户生成的视频内容中提取非语言抑郁线索，实现了在三个关键基准数据集上的抑郁检测现有技术的巨大改进。
PDF6 months ago
西班牙语中早期发现抑郁症与饮食失调：UNSL 参加 MentalRiskES 2023
MentalRiskES 是一个新颖的挑战，提出解决与西班牙语相关的早期风险检测问题，在不同任务中尽早检测出显示出心理障碍迹象的 Telegram 用户。
PDF8 months ago
用于阿尔茨海默病检测的转移语音通用和抑郁症特定知识
通过知识迁移（从语音通用知识和抑郁症特定知识）处理训练数据稀缺问题，完成了对阿尔茨海默病的自发语音检测和抑郁检测，并在常用 ADReSSo 数据集上获得了 0.928 的 F1 得分。
PDF9 months ago
基于注意力机制的音频特征融合网络用于抑郁症检测
利用提出的 Attention-Based Acoustic Feature Fusion Network (ABAFnet)，结合多种不同的声学特征，以及通过权重调整模块对特征进行合成，提高抑郁症的检测和亚型分类的性能。
PDF10 months ago
DepreSym：一个抑郁症状标注语料库及 LLMs 作为心理标志评估者的角色
通过挖掘互联网用户发布的在线出版物中的抑郁症迹象，计算机方法可以进行抑郁症检测，但是现有集合上训练的解决方案具有较有限的概括性和可解释性。为解决这些问题，最近的研究表明，通过识别抑郁症状可以得到更稳健的模型。eRisk 倡议在这一领域推动研
PDF10 months ago
基于节点加权图卷积网络的转录临床访谈抑郁症检测
使用图卷积网络对抑郁症患者临床访谈记录进行建模，提出一种简单的算法对自环进行加权处理，旨在提高 GCN 模型的表现和解释性，并通过定量和定性的分析展示其优越性和应用前景。
PDFa year ago
基于语音的自监督表示在抑郁症检测中的应用
本文提出利用具有自我监督学习预训练的基础模型来处理语音自动抑郁症检测中的训练数据稀疏性，并从自动语音识别和情感识别向抑郁症检测进行知识传递，结果表明使用 ASR 语音隐含层表示和 ASR 文本信息同时进行微调可以实现类似的 SDD 性能，最
PDFa year ago
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。
PDFa year ago
应用 Transformer 进行抑郁症筛查的动态图形表示学习
研究通过构建动态的属性图并利用对比学习算法实现对抑郁症早期检测，相比现有方法在推特数据上的实验表明效果更好。
PDFa year ago
使用 Transformers 和集成方法在社交网络上检测抑郁症
研究表明，利用预训练语言模型和 Transformer 组合可以有效自动处理社交媒体上表达情感的文章，实现抑郁症自动诊断，并能有效地提高分类器的性能。
PDFa year ago
ChatGPT 在基于自然语言处理的心理健康应用中的评估
该研究评估了基于大型语言模型 ChatGPT 在三种文本分类任务中的表现，并发现零 - shot 分类准确度表明语言模型对心理健康分类任务具有潜在的应用价值。
PDFa year ago
运用情感和社会规范特征检测社交媒体文章中的抑郁情绪
本文提出了一种基于 BERT，结合注意力双向 GRU 网络和预训练情感分类特性的深度架构，用于从社交媒体帖子中检测抑郁症，其通过后期融合方案将帖子和字词的亵渎和道德特征纳入结构中，证明了道德和亵渎是抑郁症检测的重要特征，模型在 Reddit
PDFa year ago
时间丰富的多模态转换器检测抑郁症
本文提出了一种基于预训练模型，使用图像和文本嵌入的弹性时间丰富多模态变压器模型，用于从社交媒体消息中检测抑郁症，结果表明该方法超越了其他方法，达到了 0.931 F1 值，是目前最先进的方法。
PDFa year ago
机器学习算法在抑郁症检测中的应用及比较
通过分析社交媒体行为，本研究借助情感人工智能等先进技术，设计了一种自动检测社交媒体用户抑郁状况的分类器，最高准确率可达 81.79%。
PDFa year ago