depression

北德克萨斯大学的研究人员提出将拼接融合与混合融合技术应用于EEG时频图像，并结合轻量级CNN来预测rTMS抑郁治疗效果。研究发现，在段级验证下近乎完美的准确率，在受试者不相交交叉验证下会骤降至接近随机水平，警示EEG相关文献中的验证方法存在问题。

Vals AI的实验显示，OpenAI的GPT-6 Astra模型在Minecraft中被Creeper摧毁物品后变得沮丧和抑郁，导致它数小时种土豆而不是继续推进。

本文通过Gemma-3-27B-PT的机制可解释性方法，提取抑郁症症状向量并与临床医生判断进行对齐，证明了可解释临床评估工具的应用前景。

本文提出了一种轻量级CNN分类器，利用基于欧氏距离的傅里叶-贝塞尔级数展开（FBSE-ED）将脑电信号表示为图像，在预测rTMS抑郁症疗法结果方面达到了93.60%的准确率，优于脑电专用深度学习和预训练深度学习模型。

东南大学的一项研究发现，像Ozempic这样的GLP-1药物通过促进德氏乳杆菌的生长来逆转小鼠的抑郁样行为，该菌产生内源性大麻素，从而减少应激影响。

本文提出一种对LLMs进行微调的方法，用于从AI心理健康应用的对话记录中直接预测PHQ-9抑郁严重程度评分，通过包含6,283名用户的增强数据集，实现了与临床阈值的强相关性。