- 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。 作为互联网从业者，应该记得：华为老总任正非给公司患抑郁症员工的一封信： 《 要快乐的度过充满困难的一生 》 华为不断地有员工自杀与自残，而且员工中患忧郁症、焦虑症的不断增多，令人十分担心。 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。
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。 然而，只有区域14的失活(而不是区域25)才会引起心血管和行为唤醒的显著增加(图7)。 ·图7 猕猴和狨猴的前额叶和前扣带皮层的内侧和眶侧视图，显示了活动减少或增加导致行为缺陷的区域，这些区域与重度抑郁症中的快感缺乏、消极偏见和绝望/无助症状相关。 外侧、中央和内侧OFC的区别（如图7）与我们对抑郁的理解非常相关，因为MDD似乎主要与中央OFC的活动降低、外侧OFC和尾侧内侧OFC（包括区域14）的活动增多相关。 通过对猴子进行方法回避决策任务的研究，人们对影响消极偏见的PFC区域网络有了更深入的了解;特别是，研究发现，猕猴和绒猴的PFC活动的改变会诱发负面偏见，类似于抑郁症的报道(见图7)。
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
抗抑郁药已被广泛使用，但其疗效仅为适中，部分原因是重度抑郁症的临床诊断包含生物异质性条件。 这种异质性解释抗抑郁药的中等优势（Cohen’s d = 0.3）。以往的研究发现，rsEEG（theta: 4-7Hz; alpha: 8-12Hz）能识别抑郁症治疗-预测的异质性。 采用4个典型的频带功率作为特征（theta, 4–7 Hz; alpha, 8–12 Hz; beta, 13–30 Hz; gamma, 31–50 Hz）。 7. 使用由ICA或PCA提取的潜在信号的功率特征进行治疗预测：分别使用ICA和PCA评估的潜在信号频带功率特征检测SELSER。本研究使用信息最大化执行ICA（Infomax）。 SELSER从治疗前rsEEG特征预测治疗结果： 研究者使用治疗前的rsEEG（两个2min睁眼blocks，和两个2min闭眼blocks），通过将SELSER应用到4个EEG频带（theta: 4-7Hz
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。 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 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。
37710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。 皮质网络被分成7个主要的之前研究描述过的网络,包括：ECN、DMN、突显网络（SN；在这些分析中，SN是最初由Seeley等人定义的SN与由Dosenbach等人定义的扣带回岛盖网络的集合）、背侧注意网络 为了控制I型错误，在考虑所有成对连接矩阵(N=7,260)的情况下，采用FDR p<0.05对感兴趣区交互作用的F统计量进行了调整。 治疗后，32.2%（90/279）的患者得到了缓解（HAM-D分数≤7；49名服用舍曲林，49名服用安慰剂），62.4%（174/279）的患者未缓解（83名服用舍曲林，91名服用安慰剂）（具体见附表S2 有15名患者(7名服用舍曲林，8名服用安慰剂)在第一次随访前退出了研究。舍曲林组的平均随访次数是6.0（SD=1.8），安慰剂组是6.0（SD=1.6）。参与者的人口学和临床特征见表1。
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
通过测量来自ENIGMA MDD工作组对照组 (952名男性和1236名女性) 的7个皮质下体积、34个皮质厚度和34个表面积、侧脑室和总颅内体积，预测实际年龄 (18–75岁)，来评估健康脑龄。 将学习到的模型系数应用于927名对照组男性和986名抑郁症男性、1199名对照组女性和1689名抑郁症女性，以获得独立的无偏差脑龄预测值。 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. 图2 基于7个FreeSurfer皮质下体积、侧脑室、34个皮质厚度和34个表面积测量值以及总颅内体积，预测脑龄。 重要的是，MDD亚组之间 (即，首次发作与复发发作、无抗抑郁药与抗抑郁药使用者、缓解与当前抑郁患者、早期与成年、晚期抑郁发作) 的事后比较没有显示出任何显著差异。
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。 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。 7.
60610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。
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
具体方法 被试选取： 从ADEPT项目中招募了 261 名处于青春期的女性（平均年龄为15岁3个月， SD=7个月）。其中，ADEPT 项目是旨在检查人格特征和首次抑郁症发作的一个纵向项目。 该项目队列由550名青少年女性（基线评估为13-15.5岁，平均年龄为14岁，SD=7个月）和她们的一位亲生父母（93.1%为母亲）组成。 考虑到大量的当前和未来的抑郁症症状之间的相关性在整个样本(r = .61, p < .001)，这一发现表明，使用当前抑郁症症状训练的RSFC模型捕获了个体差异，表明抑郁症状严重程度的差异随时间稳定，而不是特定于当前的抑郁症症状 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 如图4所示，在within-circuit模型（回路内模型）中，当前抑郁症症状的相关的贡献最大的节点位于右侧 ACC（MNI空间坐标：x=7，y=21，z=32），有 7 个连接的起始节点位于此。
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。 id=17216365346792&uid=d19792d7c5ca410bacd82680f5dbb547 2. 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。 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。 该数据集包括2281个精选视频片段，这些片段来自各种电影、电视剧和综艺节目，每个样本都被赋予了情感分数，范围从-1（极度负面）到1（极度正面） 7.
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。 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
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。 其中，音频和文本数据易于获取，且富含抑郁症状的相关信息。 我专注于对情感计算领域的经典模型进行深入分析、解读和总结。 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 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。 该数据集包括2281个精选视频片段，这些片段来自各种电影、电视剧和综艺节目，每个样本都被赋予了情感分数，范围从-1（极度负面）到1（极度正面） 7.
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
47620编辑于 2022-01-13 - 来自专栏思影科技
Molecular Psychiatry：抑郁症患者经ECT治疗后齿状回增大的7T磁共振成像研究
对此，来自荷兰格罗宁根大学的研究人员在Molecular Psychiatry杂志发文表示：通过7T高场强MRI扫描有助于对海马亚区进行更为精细的研究。 提高图像分辨率的一种可能的方式是进行7T高场扫描。进一步提高敏感性的重复测量可以通过确保每次扫描时，扫描相对于大脑的位置保持不变来实现。 在当前的研究中，研究者使用7T扫描序列设计来实现海马亚区的最优测量并且采用全自动扫描设计确保每个被试ECT治疗前后扫描的定位相同。 MRI数据获取处理 应用7T飞利浦核磁扫描仪，配置32通道线圈进行数据采集。 increase in the dentate gyrus after electroconvulsive therapy in depressed patients as measured with 7T
1K20发布于 2019-06-06 - 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。 psilocybin-depression-breakthrough-therapy.html 研究论文 https://www.pnas.org/content/109/6/2138 https://www.nature.com/articles/s41598-017-13282-7#
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
结果：共纳入7项随机对照试验(randomized controlled trials, RCTs) (共260项，有效试验148项，对照试验112项)和7项非对照试验(共160项)。 3.1. rTMS治疗老年抑郁症的RCTs研究 我们发现7项RCTs评估了rTMS治疗GD的疗效。这些试验的所有参与者都至少50岁。 总之，在7个RCTs中，共有260例患者被研究(148例真刺激组，112例假刺激组)。 3.2. rTMS治疗老年抑郁症的非对照研究 我们纳入了7项非对照研究，调查了TMS治疗老年GD患者的疗效。 总之，共有160名参与者参与了7个开放标签试验。不同试验采用的TMS参数(例如rTMS频率)有显著差异。作者在选择特定的频率或一组刺激参数后往往没有给出明确的理由。
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
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