- 综合排序
- 最热优先
- 最新优先
- 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。 很遗憾乔任梁因为换上了抑郁症，最终走上了不归路。乔任梁获得《加油!好男儿》全国亚军后，正式踏上了其明星的生涯。本来是一个很有前途的演员，以这种方式结束自己的生命，令人唏嘘不已。 为什么程序员也是抑郁症的易感人群？ 1）典型理工男的性格，大多数不善于表达自己的心声，遇事容易闷闷不乐。 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。 3 升职、加薪不顺利 升职、加薪不顺利是职场压力最大的事情，超过6成的被调查人员认同这一观点。这也是引发员工跳槽的最重要原因。
1.1K70发布于 2018-04-13 - 来自专栏思影科技
前额叶皮层和抑郁
与健康儿童相比，有学龄前抑郁症史的儿童(7-12岁)(发病年龄:3-6岁)右侧sgACC皮质厚度较薄。重要的是，7-12岁时右侧sgACC皮质厚度的下降与3-6岁(和7-12岁)的抑郁症严重程度有关。 重要的是，在一个基于社区的6-12岁儿童样本(N= 637)中，腹侧纹状体和其他奖励相关区域(vmPFC、dACC、VTA)之间的rsFC强度预测了3年后抑郁症的新发作。 这些发现很重要，因为它们强调了大脑奖赏通路的中断不仅出现在重度抑郁症的急性期，而且发生在急性期出现之前。 ·图6 重度抑郁症(MDD)中任务功能异常的总结 (a)奖励相关过程和(b)负性加工偏差。 有报道强调了一个早期和持久的过程，发现在4-6岁的抑郁儿童中杏仁核对负面刺激的过度活跃，并在患有重度抑郁症的青少年中持续存在，并出现在患有重度抑郁症的完全缓解的成年人中。 与抗抑郁药物可能通过在症状改变前使消极情绪偏见正常化来发挥其作用的假设一致，最终第6周的反应者在pgACC、dACC和杏仁核中接受艾司西酞普兰治疗7天后，对恐惧的神经反应比快乐的神经反应更少。
1.8K20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
6. 对于REO条件，潜在信号主要集中在颞叶和枕叶脑区；而对于REC条件，主要集中在额-顶叶和额叶脑区（补充图6）。 补充图6 安慰剂(PBO) alpha SELSER潜在信号的头皮和皮层空间模式(n = 119) 为了将SELSER预测治疗结果（图2a）进行可视化，研究使用预测的HAMD分数变化（来源于舍曲林alpha 结果发现，舍曲林rsEEG-预测HAMD变化与DASS测量1Hz rTMS反应呈负相关（图6）。 图6 使用EMBARC-训练的舍曲林rsEEG模型对右侧DLPFC 1Hz rTMS治疗结果的预测 结论： 此研究发展了一个rsEEG优化的潜在空间计算机模型（SELSER），该模型在一个大型安慰剂对照研究中能够稳健预测抗抑郁药结果以及其和安慰剂的区别
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。 近年来，基于人工智能的自动抑郁检测技术越来越突出。这些基于人工智能的抑郁检测技术通常涉及使用各种类型的生理或行为数据，例如面部表情，语音记录，文本和脑电图，通常在参与者的访谈期间记录。 在这些数据形式中，音频和文本都很容易访问，并且包含有关抑郁症状的丰富信息。 CMU-MOSEI中的样本被标记为[-3,3]范围内的情感强度和6种基本情绪。因此，CMU-MOSEI可用于情感分析和情感识别任务。 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。
37810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
重度抑郁症是一种精神科慢性疾病，最常见的治疗方法是使用单胺类抗抑郁药。临床发现药物治疗的预后因人而异，一些病人的症状在服用抗抑郁药后得到了极大改善而其他人则反应平平甚至没有作用。 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。 另外6个刚体参数(平移和旋转)和它们的一阶导数描述了每个参与者的运动，并被用作一阶协变量。滤波范围0.009 Hz<f< 0.08 Hz。 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
这里值得一提的是，所有机器学习算法都表现出类似的性能 (补充表S6) 。为了让我们的模型可公开使用，我们选择了岭回归，主要是因为它的可部署性和可共享性。 补充表S6 脑龄预测框架中不同机器学习算法/核函数和特征工程的性能比较 注解：模型1-4显示了包含77个特征的可替代性机器学习算法和核函数。 模型6包括左半球和右半球的独立特征，而不是整个半球的平均值。 在MDD中，脑脊液和外周血白细胞介素 (interleukin, IL)-6水平均升高。 此外，Kakeda等人的研究表明，在无药物治疗的首次发作MDD患者中，IL-6水平与基于表面的皮质厚度和海马亚区之间存在显著的反向关系。
67940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。
73800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）
情感识别+抑郁症检测：机器更懂你 语言起源理论将语言与非语言行为（视觉和声学模态）的结合视为人类在进化过程中使用的主要交流形式（Müller，1866）。 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。 in the Wild: CMU-MOSEI Dataset and Interpretable Dynamic Fusion Graph”，其中提出的模型是Graph-MFN； 此外，原创部分为加入了抑郁症数据集以实现抑郁症检测任务 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。
54011编辑于 2024-12-20 - 来自专栏登神长阶
【论文复现】MSA+抑郁症模型总结（三）
鉴于此，近年来，基于视频、音频和文本的抑郁症监测技术逐渐成为研究热点。 Modality-Invariant and -Specific Representations for Multimodal Sentiment Analysis”，其中提出的模型是MISA； 此外，原创部分为加入了抑郁症数据集以实现抑郁症检测任务 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。 utterance_t) self.utt_shared_v = self.shared(utterance_v) self.utt_shared_a = self.shared(utterance_a) 6. 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。
60710编辑于 2024-11-11 - 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。 comments/z68ref/burnt_out_and_cant_imagine_applying_to_postdoc/ https://www.reddit.com/r/PhD/comments/z5z6li
73420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
采集了5-6 min序列，用来研究儿童、成人和精神疾病人群静息态脑区之间的功能连接。 其步骤依次为：去掉前6 个时间点、时间层矫正、头动校正对齐到第一张图像、利用 T1像进行两步配准到 MNI 空间获得归一化参数。 对于头动的控制，根据6个头动参数估算 FD（framewise displacement）；为了平衡本研究中的数据质量和数量，选择去掉FD超过0.5mm的数据。 此外，需要回归掉的参数还有： （a）6个头动参数及其一阶导数，以及这12个参数平方的线性参数估计； （b）脑脊液信号、白质信号和全脑平均信号。 图3 基于回路的RSSFC 概述解释了当前和未来的抑郁症 10折交叉验证（10fCV）的结果显示，观察到的抑郁评分与（A）当前和（B）未来抑郁症的 within-circuit 模型预测的抑郁评分之间存在关系
91910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（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。 通常而言，多模态情感分析（MSA）和抑郁症检测（DD）可以被视为回归任务或分类任务。在这项研究中，我们将其视为回归任务。 6. 数据集介绍 CMU-MOSI: 它是一个多模态数据集，包括文本、视觉和声学模态。它来自Youtube上的93个电影评论视频。这些视频被剪辑成2199个片段。 CMU-MOSEI中的样本被标记为[-3,3]范围内的情感强度和6种基本情绪。因此，CMU-MOSEI可用于情感分析和情感识别任务。 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。
60710编辑于 2024-11-09 - 来自专栏架构师之路
为什么程序员更容易抑郁？是因为...
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？ 还是要从抑郁症出现的特征与逻辑：挫败感，外部释压，内部释压三方面说起。 其一，设定合理的目标，或者适当降低目标，增强成就感，减少挫败感，从源头掐断。 必须要有良性的自我价值评判体系： （1）用内在标准评价自己，而非“别人的期望”； （2）以积极的方式看待自己，不只关注自己的缺点； （3）客观与理性的认识自己，不完美是正常的； （4）因自我价值而感到满足； 【6】
67020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（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。 with Hierarchical Mutual Information Maximization for Multimodal Sentiment Analysis（MMIM） 此外，原创部分为加入了抑郁症数据集以实现抑郁症检测任务 6. 数据集介绍 1. CMU-MOSI: 它是一个多模态数据集，包括文本、视觉和声学模态。它来自Youtube上的93个电影评论视频。这些视频被剪辑成2199个片段。 CMU-MOSEI中的样本被标记为[-3,3]范围内的情感强度和6种基本情绪。因此，CMU-MOSEI可用于情感分析和情感识别任务。 3. 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。
78410编辑于 2024-11-09 - 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.
59130编辑于 2022-08-18 - 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 ABCDEFGHI-ABCDEFGHIJK-1234} 得到格式后通过flag文件夹里的几张图片分别获取每段flag flag文件夹里有六张图片，前五张图片球星的编号分别对应Bilibili中电影《你的名字》的五个时间片段，分别为 6分
47620编辑于 2022-01-13 - 来自专栏量子位
“毒蘑菇”治重度抑郁，获美国“突破疗法”
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 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。 但是看到科学家如此努力寻找一切可用的药物，正在经受抑郁症煎熬的小伙伴们有没有感受到一丝丝安慰呢。 www.livescience.com/psilocybin-depression-breakthrough-therapy.html 研究论文 https://www.pnas.org/content/109/6/
60520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
42名参与者(年龄= 60-85岁，均值 = 65.7, SD = 6)进行了15次双侧或右侧DLPFC的低频1 Hz rTMS，然后是L-DLPFC的高频10 Hz rTMS或假刺激。 其次，FDA方案规定了4-6周(20-30疗程)120% MT强度下10 Hz的TMS。然而，综述的RCTs并不符合这些参数。图2绘制了已发表的RCT与FDA规定的常规rTMS方案的参数空间。 在这19例患者中，有6例符合response标准(HAM-D改善> 50%)，2例符合remission标准(结束时HAM-D评分≤8)。另一项研究在两个不同的地点进行。 在综述的RCTs中，有6个报告了反应率，其中有3个发现真刺激组和假刺激组之间反应者数量有显著差异。报告缓解率的5项RCTs中，有3项发现真刺激组和假刺激组之间存在显著差异(表3)。 iv.观察到21名参与者的HAM-D 6项得分显著下降(蓝线表示缓解(HAM-D得分≤5))。v. iTBS后参与者的DLPFC和SGC之间的功能反相关增加。
1.7K30编辑于 2022-02-28 - 来自专栏腾讯举报中心
当我们讨论抑郁时，我们误解了什么？
“她那么爱笑，怎么可能抑郁呢？” “矫情”、“软弱”、“想太多”… 关于抑郁，也许你也有过这样的误解 ▼ 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 向左滑动查看真相 抑郁并不是“矫情”，除了正确的治疗，患者也需要也有身边人的陪伴、理解和包容。 ，在这里，我们共同讨论与心理健康有关的那些事儿，科普常见问题，辨别“抑郁”与“短暂情绪”，学会陪伴与倾听 …一起穿越黑暗，迎来微光。
56120发布于 2021-10-11 - 来自专栏蚂蚁开源社区
程序员自述：我有抑郁症
Bagues 曾多次参加程序员与抑郁症的演讲，并出版《程序员与抑郁症》一书。 本文发表于国外，译文发之 在我念大学的第五个年头，就开始变得有点儿抑郁。 ADD 我能接受，但是第二型双向情感障碍我实在无法理解，因为这是由轻度狂躁和重度抑郁组成的，在我看来，只有狂躁的人才会患上这种毛病。 作为云通讯 Twilio 的开发者，我曾多次参加「程序员与抑郁症」的讲座。这几年来也有许多同行来与我倾诉，说他们也备受抑郁症的折磨。 我没有正式研究过抑郁症，但我猜想程序员得抑郁症的几率要比其他行业的从业人员高出好几倍。 下面是几个双向情感障碍症（精神分裂）和 ADD 缺陷障碍症（注意力缺陷综合症）的显著病征： 高专注力。 如果你正与抑郁、焦虑或其他精神疾病作斗争，请考虑去找找专业的心理医生。人们往往羞于承认他们在看心理医生，但这完全没有必要。
1.9K30发布于 2020-05-26
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