检索结果-内蒙古大学图书馆

中华精神科杂志 2023年第6期56卷 465-470页

作者：葛里格王传跃首都医科大学精神卫生学院北京100069 首都医科大学附属北京安定医院北京100088

精神分裂症是一类以幻觉妄想为主要表现的精神疾病。计算精神病学作为一种新兴临床方法学,将计算解剖学、认知神经学等多学科原理和理论引入临床精神病学的研究和实践中,利用假说驱动或数据驱动的计算模型阐释精神疾病发病机制,改进或... 详细信息

精神分裂症是一类以幻觉妄想为主要表现的精神疾病。计算精神病学作为一种新兴临床方法学,将计算解剖学、认知神经学等多学科原理和理论引入临床精神病学的研究和实践中,利用假说驱动或数据驱动的计算模型阐释精神疾病发病机制,改进或研发新的治疗方案。随着人工智能专用集成电路、神经影像学和神经电生理技术等硬件水平的提高与算法和模型可解释性的增强,大量模型转化应用到精神分裂症相关研究中。本综述整理了与精神分裂症相关的计算精神病学的假说和数据基础,并对计算精神病学研究策略在精神分裂症研究中的应用展开探讨。

关键词：精神分裂症计算精神病学神经生理学深度学习

来源：评论

学校读者我要写书评

暂无评论

计算精神病学：抑郁症研究和临床应用的新视角

引用

心理科学进展 2020年第1期28卷 111-127页

作者：区健新吴寅刘金婷李红深圳大学心理学院深圳518060 深圳市情绪与社会认知科学重点实验室深圳518060 深圳市神经科学研究院深圳518060

抑郁症是一种复杂而异质的精神疾病,给全球带来沉重的疾病负担。尽管基于症状学的诊断方法已被广泛应用于各领域,但这种方法并不利于病理机制的探讨。另外,该诊断方法预测效度较低,导致其难以准确评估和比较各种治疗方案的疗效。计算精... 详细信息

抑郁症是一种复杂而异质的精神疾病,给全球带来沉重的疾病负担。尽管基于症状学的诊断方法已被广泛应用于各领域,但这种方法并不利于病理机制的探讨。另外,该诊断方法预测效度较低,导致其难以准确评估和比较各种治疗方案的疗效。计算精神病学方法则能通过理论驱动和数据驱动两种互补的方法解决上述问题,从而提高对抑郁症的认识、预防和治疗。理论驱动方法基于经验知识或假设,利用计算建模方法对数据进行多水平分析;数据驱动方法则基于机器学习算法分析高维数据,提高抑郁症诊断和预测的准确性,进而提高治疗的精准度。理论驱动和数据驱动方法的发展与结合,以及人才和资源的整合,将会更有效地推进抑郁症的防治。

关键词：抑郁症计算精神病学计算模型机器学习诊断治疗

来源：评论

学校读者我要写书评

暂无评论

人工智能“幻觉”的存在主义阐释

引用

社会科学辑刊 2025年第2期 81-91页

作者：林曦复旦大学社会科学高等研究院

在文本生成和处理领域,人工智能所生成的文本可能是无意义、不连贯或者是循环往复的。人工智能所生成或处理的文本有可能不忠实于文本的来源,这种偏离理想预期的文本成本被称为人工智能“幻觉”。随着人工智能应用的不断拓展,人工智能... 详细信息

在文本生成和处理领域,人工智能所生成的文本可能是无意义、不连贯或者是循环往复的。人工智能所生成或处理的文本有可能不忠实于文本的来源,这种偏离理想预期的文本成本被称为人工智能“幻觉”。随着人工智能应用的不断拓展,人工智能“幻觉”成为一个亟待探讨和解决的问题。在计算机科学领域中,“幻觉”主要是由输出内容和源内容之间的映射关系的扭曲或者破坏而产生,这其实与萨特的存在主义框架存在同构性。萨特的存在主义在显象和本体之间构建了一种映射关系,而这种映射关系是从存在主义的角度来讨论“幻觉”的产生机制。这一框架为我们探讨人工智能的“幻觉”问题提供了一个阐释学的工具和手段,可以用来检视人工智能“幻觉”的产生机制及其相应的伦理风险。

关键词：人工智能萨特存在主义幻觉计算精神病学

来源：评论

学校读者我要写书评

暂无评论

基于Optuna-Stacking可解释机器学习模型揭示执行功能在精神分裂症辅助诊断与预后中的价值

基于Optuna-Stacking可解释机器学习模型揭示执行功能在精神分裂...

引用

第二十五届全国心理学学术会议

作者：张统一赵鑫甘肃省行为与心理健康重点实验室西北师范大学心理学院

执行功能已被广泛视为解码精神分裂症病理机制的关键途径,在精神分裂症的发病机制和病程中起重要作用。然而,由于受传统统计方法的限制,目前对执行功能与精神分裂症之间复杂关系的理解仍十分有限。传统统计方法并不能充分捕捉到执行功... 详细信息

执行功能已被广泛视为解码精神分裂症病理机制的关键途径,在精神分裂症的发病机制和病程中起重要作用。然而,由于受传统统计方法的限制,目前对执行功能与精神分裂症之间复杂关系的理解仍十分有限。传统统计方法并不能充分捕捉到执行功能特征与精神分裂症之间的隐含联系与内在规律。本研究首次尝试使用可解释性机器学习算法,以揭示执行功能在精神分裂症诊断和预后中的潜在价值。实验一基于195名精神分裂症患者和169名健康对照组的执行功能行为数据和社会人口学资料,使用Stacking方法融合三种基学习器(SVM、Adboost以及ANN模型)建模,并采用Optuna算法参数调优,之后利用SHAP值进行模型解释。实验二构建纳入与不纳入执行功能行为数据的两组模型(两组模型均整合临床易获取的数据,如临床量表、病历、血常规等),比较模型在预测86名患者住院治疗4至6周后临床症状缓解效果的性能。结果显示,OP-Stacking (Optuna-Stacking)模型在分类诊断任务中表现最佳(准确率=0.8783;精确度=0.8710;召回率=0.8896;F1值=0.8774;AUC=0.9359)。流体智力、失业、独生子女以及执行功能被确认为模型最重要的预测因素。在基于执行功能特征预测个体是否为精神分裂症患者时,模型表现出一定的差异性。在预后分类任务中,纳入执行功能行为数据的模型在预测精神分裂症治疗效果方面的性能更优。结果发现,执行功能可作为一种可靠的生物标志物,用于精神分裂症的辅助诊断和预后评估。基于执行功能行为数据和易获取的社会人口学信息所构建的分类模型具有较好分类性能,能有效识别出精神分裂症患者。尽管执行功能损伤是精神分裂症群体的典型表现,但可能并非所有亚型的患者都在同等程度上受到影响。临床诊断时应关注那些执行功能损伤的独生子女以及大龄失业青年。执行功能在预测精神分裂症临床干预效果方面也起到了关键作用。未来研究应进一步探索执行功能在诊断和预后评估共病或类似精神疾病患者中的作用,尤其是关注执行功能三个子成分(转换、抑制与刷新)同一性和独特性的潜在价值。

关键词：执行功能同一性与独特性可解释性机器学习精神分裂症计算精神病学

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：