PulseAugur
中
实时 08:40:45
English(EN) Task-evoked eye movements as candidate digital biomarkers of depression severity in adolescents and young adults

眼动作为青少年抑郁严重程度的数字生物标志物显示出潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员已确定特定的眼动模式可作为评估青少年和年轻成人抑郁严重程度的潜在数字生物标志物。一项研究发现，较低的注视分配熵、较少的区域间切换、较长的首次目标进入潜伏期和较低的目标停留比例与抑郁严重程度的增加显著相关。虽然情绪注意力偏见与严重程度无关，但一个利用44个眼动特征的机器学习分类器在将参与者分入四个抑郁严重程度等级方面取得了显著的准确性，这表明眼动追踪可能有助于临床评估。 AI

影响 表明AI驱动的工具可能在心理健康诊断和患者监测方面发挥作用。

排序理由 学术论文，详细介绍了一种新的研究方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

眼动作为青少年抑郁严重程度的数字生物标志物显示出潜力

本文如何被排名

Signal score
16 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了一种新的研究方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Youxiang Sun, Yujie Nie, Zhuoru Wu, Mengyuan Yu, Wenkong Wang, Xiang Li, Yumei Wang, Xin Ma, Lizhou Fan ·

    任务诱发眼动作为青少年和年轻成人抑郁严重程度的候选数字生物标志物

    arXiv:2610.18494v1 Announce Type: cross Abstract: Objective digital measures of depression severity could complement conventional symptom assessments and facilitate more timely clinical evaluation. Here, we investigated whether task-evoked eye movements provide interpretable beha…

相关实体

相关话题