- 综合排序
- 最热优先
- 最新优先
- 来自专栏量子位
新研究结论：周末多睡2小时，抑郁风险降低48%
一项来自韩国延世大学的研究表明： 周末1小时的懒觉，能让抑郁风险降低约30%； 而多睡2小时，患抑郁症的风险可能降低48%。 周末补觉降低抑郁风险 为了研究“周末补觉”和“抑郁”之间的关系，研究团队招募了5500名志愿者做跟踪调查。 这些志愿者在工作日期间，或多或少都会面临失眠问题的困扰。 而后为了进一步研究“补觉”和“抑郁症”的关系，研究人员将“补觉”视为自变量、“抑郁症”视为因变量，对它们进行了多变量逻辑回归分析。 结果显示，以正常成年人每晚需要8小时睡眠为标准： 周末1个小时的懒觉，能让抑郁风险降低约30%。 多睡2小时的人患抑郁症的风险可能降低48%。 而周末补觉的“好处”，还不仅于此。 但与此同时，研究还得出一个结论： 睡懒觉超过2小时，抑郁风险反而增加16%！ 因此，物极必反，周末补觉也得讲究一个“火候”。 而对于这项研究，多数网友们表示兴奋： 终于有理由睡懒觉了。
41120编辑于 2022-04-18 - 来自专栏张俊红
新研究结论：周末多睡2小时，抑郁风险降低48%
一项来自韩国延世大学的研究表明： 周末1小时的懒觉，能让抑郁风险降低约30%； 而多睡2小时，患抑郁症的风险可能降低48%。 具体计算公式为： [(工作日睡眠时间 x 5) + (周末睡眠时间x 2)]/ 7 “时间类型”是是基于周末的中间睡眠时间，并通过工作日积累的睡眠债务（sleep debt）进行修正，所用到的计算方法为 而后为了进一步研究“补觉”和“抑郁症”的关系，研究人员将“补觉”视为自变量、“抑郁症”视为因变量，对它们进行了多变量逻辑回归分析。 结果显示，以正常成年人每晚需要8小时睡眠为标准： 周末1个小时的懒觉，能让抑郁风险降低约30%。 多睡2小时的人患抑郁症的风险可能降低48%。 而周末补觉的“好处”，还不仅于此。 但与此同时，研究还得出一个结论： 睡懒觉超过2小时，抑郁风险反而增加16%！ 因此，物极必反，周末补觉也得讲究一个“火候”。 而对于这项研究，多数网友们表示兴奋： 终于有理由睡懒觉了。
42110编辑于 2022-05-10 - 来自专栏算法之美
乔任梁抑郁自杀，谈程序员如何预防抑郁症
抑郁是大脑的bug之一，长时间单线程运行，陷入死循环出不来。有点类似人们常说的钻牛角尖跑偏了。 抑郁是大脑的bug之一，长时间单线程运行，陷入死循环出不来。有点类似人们常说的钻牛角尖跑偏了。 2）静坐式工作，虽然很多程序员不过是代码搬运工，复制粘贴忙个不停，但毕竟是久坐不动，容易单线程死循环。 3）工作压力大 4）工作时间长，项目急的时候，996工作制都是不可能的。 据有关调查数据显示，职场抑郁症患病率高达5%，上班族已经成为抑郁症的高发人群。但是目前绝大多数职场人还认为这仅仅是情绪方面的问题，不会刻意去治疗。 2 人际关系 每个单位都存在复杂的人际关系。下属对上级授权的误解;同事之间互不信赖;领导方式偏误引起工作氛围不和睦等等。 2 量力而行 首先要正视自己的精力，凡事不要勉强，把所有事情尽量进行全面安排，分清轻重缓急。同时，要正确、客观地评价自己，对自己的期望值不要过高。讲究方法，寻求支持。
1.1K70发布于 2018-04-13 - 来自专栏思影科技
前额叶皮层和抑郁
针对前者(如图2)，一些研究正在探索对在抑郁中失调的特定的前额叶区域和回路进行中央干预会有怎样的抑郁相关的行为效应。在一些情况下，也评估了已知的抗抑郁药改善这些干预诱发效应的能力。 ·图2 对其他正常健康啮齿动物的内侧前额叶皮层和眶额叶皮层进行干预的促抑郁(pro)或抗抑郁(anti)作用的总结。 尚未解决的问题包括: (1)是否与重度抑郁症中所见的sgACC(啮齿动物中假定的ILc)的活性有类似的增加; (2) MDD中是否报道了啮齿动物是否存在MDD患者中报导的dACC的结构/功能改变; (3 在一个大的青少年样本中(N = 1576;平均年龄约14岁)，钝性奖励相关腹侧纹状体与快感缺乏相关(但不与情绪低落相关)，并可以预测先前健康的年轻人在2年后发展为阈下或临床抑郁症。 此外，在基于社区的样本(N= 475)中，通过概率奖励学习任务测试，抑郁症状的增加与(1)mPFC到纹状体的定向连接减弱；(2)dACC的RPE减弱；(3)伏隔核和尾部vmPFC的奖励信号强度减弱有关。
1.9K20编辑于 2021-12-31 - 来自专栏思影科技
Nature Biotechnology: EEG特征预测重度抑郁症的抗抑郁药反应
为识别稳健的抗抑郁反应的抑郁表型，可以使用机器学习结合rsEEG数据中的复杂多变量关系。 然而，一个有效的计算模型面临三个关键挑战: 1.容积传导造成信号和噪音的无法区分； 2. 收集4个2-min blocks（2个闭眼，2个睁眼）的基线rsEEG（Table S2），并在治疗前后收集HAMD（汉密尔顿抑郁等级量表）分数作为临床结果评估。 2．第二个抑郁研究数据集（验证rsEEG抗抑郁药物-预测特征）：使用两个不同的EEG放大器采集72名患者的4个2-min blocks（2个闭眼，2个睁眼）基线rsEEG。 补充图2 使用10倍分层交叉验证的SELSER训练和评估说明 机器学习模型在重度抑郁患者数据中的应用： 1. 2. 在第三个样本中计算rsEEG预测：研究者将采用第一个EMBARC舍曲林样本训练的alpha SELSER模型应用到第三个重度抑郁症样本中（24名重度抑郁症患者的rsEEG数据）。
2.5K20发布于 2020-04-16 - 来自专栏CSDN社区搬运
MSA+抑郁症模型总结
此外，抑郁症对世界各地的个人和社会都有严重的负面影响。目前，抑郁症的诊断主要依靠问卷调查，辅以医学专业评估。但问卷调查的准确性在很大程度上取决于参与者的合作和操作人员的专业知识。 我致力于对情感计算领域的经典模型进行分析、解读和总结，此外，由于现如今大多数的情感计算数据集都是基于英文语言开发的，我们计划在之后的整个系列文章中将中文数据集（SIMS, SIMSv2）应用在模型中，以开发适用于国人的情感计算分析模型 ，以及SIMS数据集和SIMV2数据集。 因此，为了简单和高效的目的，我们只使用MFCC和AU姿势特征来检测抑郁症。数据集用区间[0，24]内的PHQ-8评分进行注释，PHQ-8评分越大，抑郁倾向越严重。 SIMS/SIMSV2: CH-SIMS数据集[35]是一个中文多模态情感分析数据集，为每种模态提供了详细的标注。
40210编辑于 2024-11-15 - 来自专栏思影科技
AJP：大脑功能连接的内在模式在调节重度抑郁患者抗抑郁治疗反应中的作用
只有首次重度抑郁症状在30岁之前出现，并且是慢性发作(持续时间≥2年)或复发性重度抑郁(终生至少2次发作)的患者才被纳入。309名参与者中，296人接受了舍曲林或安慰剂治疗，并进行了至少一次基线评估。 评估 17项汉密尔顿抑郁量表（HAM-D）作为本研究主要指标的评估工具，在EMBARC研究的基线和该研究第一阶段的第1、2、3、4、6、8周分别进行了评估。 简单来说，数据预处理包括时间层校正，头动校正，空间标准化至MNI模板（矩阵=91×109×91，分辨率=2×2×2mm3），高斯平滑核=8mm。结构MRI图像被分割为灰质,白质和CSF。 因变量是每次随访时的抑郁严重程度（基线和第1、2、3、4、6和8周），自变量包括：功能连接、时间（随访）、治疗方式、临床中心和他们之间的交互作用（所有的变量和他们之间的交互作用见附表S4）。 a抑郁症组有6位参与者没有就业状态描述（安慰剂组4位，舍曲林组2位） b抑郁症组有20位患者“抑郁发作次数太多而无法计数”（安慰剂组10位，舍曲林组11位） 附表S2：舍曲林治疗缓解组以及未缓解组的基线人口学和临床特征
1.8K20发布于 2019-12-25 - 来自专栏思影科技
重度抑郁症患者的脑龄
我们还进行了探索性分析，以研究MDD患者较高的brain-PAD是否与人口统计学 (年龄、性别) 和临床特征 (如疾病复发、抗抑郁药物使用、缓解状态、抑郁严重程度和抑郁发作年龄) 相关。 2. 为了在这些测试样本中评估模型的性能，我们计算了 (1) MAE， (2) 预测脑龄和实际脑龄的pearson 相关系数， (3) 模型解释方差的比例 (R2) 。 图2显示了交叉验证训练样本 (男性r=0.85，p<0.001，女性r=0.854，p<0.001，两者R2=0.72) ，样本外对照组 (男性r=0.85，p<0.001；R2=0.72，女性r=0.83 ，p<0.001；R2=0.69) ，MDD测试样本 (男性r=0.77，p<0.001；R2=0.57，女性r=0.78，p<0.001；R2=0.59 ) ，以及ENIGMA BD工作组中完全独立的健康对照样本 请注意，我们使用下述公式，用R语言的caret包计算R2： R2 = 1-\frac{∑ (y_i - \hat{y}_i)2}{∑ (y_i - \bar{y}_i)2} 上式中R2也可能为负
70840编辑于 2022-02-28 - 来自专栏脑电信号科研科普
慢性疼痛抑郁症状的神经环路
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 1.Nature neuroscience：中科大研究团队发现慢性疼痛疾病的共患抑郁症状的神经环路 慢性疼痛疾病中的共患抑郁症状（CDS CeA中的SOM神经元（SOMCeA）直接投射到外侧缰核（lateral habenula），而外侧缰核是与抑郁相关的脑区。抑制5-THDRN到SOMCeA通路会在慢性疼痛模型小鼠身上表现出抑郁症状。 采用光遗传或药物的方法激活这个通路，可以减轻模型小鼠身上表现出来的抑郁症状。 2.Nature neuroscience：睡眠期间记忆巩固的机制（综述文章） 长期记忆的形成是睡眠主要的功能之一。 本文对这个过程的以下3个方面进行了重点阐述：1）通过捕捉情景记忆方面，海马对记忆表征的神经元重放可以驱动海马依赖性和非海马依赖性记忆的巩固; 2）标志着慢波和快速眼动睡眠的大脑振荡，提供了调节脑网络信息流和局部突触可塑性的机制
75000发布于 2021-01-25 - 来自专栏CSDN社区搬运
机器情绪及抑郁症识别算法（六）
另外多模态抑郁症检测应运而生，依托于人工智能、机器学习和大数据分析等技术的进步，通过综合分析语音、表情、文本、行为、心理生理数据等多种信息源，能够更全面地捕捉和识别抑郁症的多维度表现。 这种方法不仅提高了抑郁症检测的准确性和客观性，还具有早期发现、持续监测和个性化干预的潜力，为抑郁症的管理和治疗带来了新的希望和可能性。 γ1γ1 和 γ2γ2 分别是多视图门控记忆的保持和更新门控，它们通过网络 Dγ1Dγ1 和 Dγ2Dγ2 学习。 因此，为了简单和高效的目的，我们只使用MFCC和AU姿势特征来检测抑郁症。数据集用区间[0，24]内的PHQ-8评分进行注释，PHQ-8评分越大，抑郁倾向越严重。 首先给出原文在MOSI和MOSEI数据集上的结果： 2.
57711编辑于 2024-12-20 - 来自专栏新智元
读博读到抑郁！在读博士如何摆脱精神内耗？
然而，当读博变成一种负担，甚至成为抑郁的根源，博士生们该如何排解，走出精神内耗的旋涡呢？ 读博于你，是怎样的一种体验？ 最近，reddit上一位网友倾诉了自己读博期间抑郁了的经历。
76420编辑于 2023-02-24 - 来自专栏思影科技
青少年女性抑郁症的内在神经回路
青少年抑郁网络模型： 附表S2 给出了有关节点的选择、网络模型、交叉验证分析的详细情况。简单而言，本研究中的网络节点是基于 45 名健康被试的 RSFC 的较大图谱的节点子集（图1.a）。 重要的是，在根据within-circuit 模型解释了抑郁症状方差之后，extended-circuit 模型在当前抑郁症症状（△R2=-0.01，p=0.588）和出现抑郁症状后18个月（△R2=- 0.03，p=0.198）都没能解释更多的方差，全脑模型在当前（△R2=-0.0，p=0.508）和18个月后（△R2=-0.01，p=0.64）的抑郁症症状中也同样没有。 放宽阈值为 90% 的重叠连边显示了相似的解剖轮廓，强调右侧ACC和 vmPFC 是最重要的贡献（图S2，见原文附录）。 2、利用机器学习策略，证明了连接这些区域的网络中静息态功能连接的强度可以预测青少年女性群体中未来的抑郁症状。 3、在预测抑郁症时，包括整个大脑的大规模网络并不能解释额外的差异。
93310发布于 2019-11-27 - 来自专栏登神长阶
【论文复现】MSA+抑郁症模型总结（三）
id=17217255775398&uid=1758d0ff06864c7289ed340422b34d06 2. 研究背景 多模态情感分析和抑郁症检测是一个活跃的研究领域，它利用多模态信号对用户生成的视频进行情感理解和抑郁症程度判断。解决这一问题的主要方法是发展先进的模态融合技术。 2. SIMS/SIMSV2: CH-SIMS数据集[35]是一个中文多模态情感分析数据集，为每种模态提供了详细的标注。 下载多模态情感分析集成包 pip install MMSA 2.
65210编辑于 2024-11-11 - 来自专栏架构师之路
为什么程序员更容易抑郁？是因为...
，压力巨大； （2）工作与生活失衡； （3）房贷，老人，孩子... 财务压力巨大； （4）身体也越来越差，心理状态也很不稳定； （5）不敢和家人诉苦，也没有朋友，非常孤独； 评论里一众留言，很多童鞋表示： 【2】 为什么程序员更容易得抑郁症呢？ 【4】 怎么知道自己是不是抑郁症？ 抑郁症通常有这样一些表征。 ； （2）持续出现以上现象，例如超过半个月，是不正常的，务必重视，建议立刻咨询专业医生； 【5】 压力与负面情绪人人都有，属于正常现象，如何消解，避免成为抑郁症呢？ 关于抑郁症，总结这么三句话： （1）压力大时，找人聊聊（外部释压）； （2）人为自己而活，别人的看法没这么重要（内部疏导）； （3）有情绪是正常的，不要焦虑，持续症状要重视，要咨询专家； 【7】 大概率
68620编辑于 2023-08-10 - 来自专栏登神长阶
【论文复现】MSA+抑郁症模型总结（一）
与此同时，随着现代社会生活节奏的加快和工作压力的增大，抑郁症已成为职场中不可忽视的心理问题。早期发现并干预抑郁症，对于防止健康状况进一步恶化以及自杀倾向的出现至关重要。 id=17216365346792&uid=d19792d7c5ca410bacd82680f5dbb547 2. 因此，为了简单和高效的目的，我们只使用MFCC和AU姿势特征来检测抑郁症。数据集用区间[0，24]内的PHQ-8评分进行注释，PHQ-8评分越大，抑郁倾向越严重。 SIMS/SIMSV2: CH-SIMS数据集[35]是一个中文多模态情感分析数据集，为每种模态提供了详细的标注。 更多内容详见： https://www.aspiringcode.comuid=2f3a8c82324141c48058d8e14f59b3ce
64110编辑于 2024-11-09 - 来自专栏登神长阶
【论文复现】MSA+抑郁症模型总结（二）
此外，抑郁症对个人和社会均构成了严峻的全球性挑战。当前，抑郁症的诊断主要依赖于问卷调查和医学专业评估，但其准确性易受参与者配合度和操作人员专业水平的影响。 鉴于当前大多数情感计算数据集以英文为主，我们计划在后续系列文章中引入中文数据集（如SIMS, SIMSv2），旨在开发适用于中国人群的情感计算分析模型，并将其应用于情感疾病（如抑郁症、自闭症）的检测任务 ，以及SIMS数据集和SIMV2数据集。 因此，为了简单和高效的目的，我们只使用MFCC和AU姿势特征来检测抑郁症。数据集用区间[0，24]内的PHQ-8评分进行注释，PHQ-8评分越大，抑郁倾向越严重。 下载多模态情感分析集成包 pip install MMSA 2.
83110编辑于 2024-11-09 - 来自专栏Y5neKO博客
Writeup-2020安洵杯-Misc题：开始抑郁
题目描述：开始抑郁 附件下载 打开压缩包发现一张图片，解压出来，直接查看没有发现异常 观察图片大小发现过大，4.5M，推测为混合了其他文件 发现zip文件头，直接将格式改为zip解压得到两个文件
48520编辑于 2022-01-13 - 来自专栏脑机接口
新型脑刺激疗法治疗重度抑郁症
约翰患有难治性抑郁症(TRD)，他是第一个参与深度脑刺激(DBS)治疗TRD临床试验的人。患者在手术过程中是清醒的，因为电导线被植入他们的大脑。 约翰说，“我当时处于抑郁症发作期，已经持续了五年。我尝试了许多不同的疗法和药物，其中一些在过去对我有效，还有一些新的，但这一次没有任何效果。”“抑郁症对我来说并不是什么新鲜事。 我曾在抑郁状态下试图自杀，结果昏迷了很短一段时间，所以我知道这是我必须控制的事情。” 研究人员Sheth表示，“我们研究的目标是找到一种个性化治疗的方法。没有两个人有相同的抑郁经历。 约翰说，大约四个月后，他的抑郁症才得到缓解。 E,F)受试者的前视图和近中视图显示实际植入位置。 这就是约翰说他很难向他人描述他的抑郁症的原因之一——每个人的经历都可能是独一无二的。 论文信息 Sameer A.
60630编辑于 2022-08-18 - 来自专栏量子位
“毒蘑菇”治重度抑郁，获美国“突破疗法”
想要获得这一称呼，药物需要符合两点要求： 1.用来治疗严重的或者威胁生命的疾病； 2.需要初步临床证据，证明这种药至少在一个关键治疗节点上比其它疗法有明显优势。 用于治疗难治型抑郁症（treatment-resistant depression，TRD) 第二次：今年11月，Usona研究所正在对重度抑郁症（major depressive disorder，MDD )进行2期临床实验。 将尝试单剂量裸盖菇素的抗抑郁效果。 重度抑郁症患者已经像活在灾难里了。 比得抑郁症更痛苦的是得了难治型抑郁症，连药都不帮他们： 大约有30%的重度抑郁症（MDD）患者属于难治型抑郁症（TRD），现有的药物治疗对他们的疗效不理想。
61420发布于 2019-12-19 - 来自专栏思影科技
经颅磁刺激治疗老年抑郁症
第三个目标是讨论最近关于优化TMS方案以提高抗抑郁疗效的证据，同时考虑到一些可能影响TMS疗效的老年人特有的一些方面。最后，考虑到未来的研究，我们提出了一个框架，讨论其决定因素。 2. 这些研究中采用的TMS刺激参数见表2。在图2中，我们总结了RCTs使用的TMS参数，并强调了RCTs与FDA批准的方案相比的剂量。表3和图3显示了TMS干预后反应或缓解的患者数量。 表1 探究TMS治疗抑郁症疗效的试验的特点(此处样本平均年龄>55)。 表2 随机对照试验(randomized controlled trials, RCTs)和非对照研究的TMS参数。 图2. 老年抑郁症随机对照试验(randomized controlled trials, RCTs) TMS研究的参数空间。 讨论 抑郁症在老年人中非常普遍：约14%被诊断为抑郁症，其中至少2%符合MDD标准。随着人口老龄化的加剧，GD已成为一个日益严重的公共卫生问题。
1.7K30编辑于 2022-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号