研究人员开发了PsyGAT，一个用于从对话数据中检测抑郁症的新型基于图的框架。该模型解决了现有深度学习方法中常见的数据稀缺和可解释性问题。PsyGAT将对话建模为动态时间图，整合临床证据和个性背景，以区分基于特质的行为和急性症状。该框架还包括一个Causal-PsyGAT模块，用于识别症状触发因素，提高可解释性。 AI
影响 引入了一种新颖、可解释的人工智能驱动心理健康监测方法，有望提高临床可解释性和筛查能力。
排序理由 这是一篇详细介绍抑郁症检测新模型的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.24126v1 Announce Type: new Abstract: Automatic depression detection from conversational interactions holds significant promise for scalable screening but remains hindered by severe data scarcity and a lack of clinical interpretability. Existing approaches typically rel…
Automatic depression detection from conversational interactions holds significant promise for scalable screening but remains hindered by severe data scarcity and a lack of clinical interpretability. Existing approaches typically rely on black-box deep learning architectures that …