English(EN) End-to-End Machine Learning for Depressive State Classification via EEG and fNIRS

新框架利用脑电图和功能性近红外光谱检测抑郁状态

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-11 04:00

研究人员开发了一个新的框架，利用脑电图（EEG）和功能性近红外光谱（fNIRS）生物信号对抑郁状态进行分类。这项试点研究涉及十一名健康学生，旨在创建一个客观、自动化的诊断工具，以克服传统精神科评估的主观性。这项技术对于识别微妙的抑郁状态以及将其与老年人口的痴呆症区分开来尤为重要。 AI

影响这项研究可能带来更客观、更易于获得的心理健康诊断，从而有可能改善抑郁状态的早期发现和治疗。

排序理由该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Riki Sakurai, Simon Kojima, Mihoko Otake-Matsuura, Shin'ichiro Kanoh, Tomasz M. Rutkowski · 2026-06-11 04:00

End-to-End Machine Learning for Depressive State Classification via EEG and fNIRS

arXiv:2606.11555v1 Announce Type: cross Abstract: The escalating demand for mental healthcare, driven by rising societal stress, highlights the limitations of traditional psychiatric diagnostics. Conventional methods - relying primarily on clinical interviews and patient self-rep…