DAIC-WoZ
PulseAugur coverage of DAIC-WoZ — every cluster mentioning DAIC-WoZ across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的MA-DLE方法通过语音评估抑郁水平
研究人员开发了一种名为MA-DLE的新方法，用于通过语音分析来评估抑郁水平。该方法通过一个记忆库来增强标准的GRU提取特征，该记忆库选择性地整合历史时间动态记忆特征。然后，一个分层注意力融合模块将这些增强的特征与GRU输出相结合。MA-DLE方法在DAIC-WOZ和E-DAIC数据集上展示了最先进的性能。
-
Dep-LLM 使用 LLM 进行无需训练的抑郁症诊断
研究人员开发了 Dep-LLM，一种无需额外训练即可从临床访谈中诊断抑郁症的新型框架。该系统通过模仿精神科医生的结构化推理过程来利用现有的大型语言模型 (LLM)。Dep-LLM 分析冗长的对话，识别关键的抑郁症指标，量化其发现的可靠性，并整合这些信号以进行最终诊断，在基准数据集上的表现优于监督式 LLM 和商业 LLM。
-
语音分析框架助力心理健康临床决策
研究人员开发了一个用于分析语音特征以辅助心理健康护理临床决策的框架。该系统利用感知基础的声学和语言特征，如韵律、语音质量和语义连贯性，来识别与抑郁、焦虑和多动症相关的客观线索。通过采用可解释的机器学习技术，如带有SHAP和LIME的XGBoost，该框架建立了症状严重程度与语音异常、词汇句法模式和情感基调之间的稳定关联，并在基准数据集和临床数据集上得到了验证。
-
新的EmoTrack框架改进了咨询记录抑郁症追踪
研究人员开发了EmoTrack，一个旨在更准确地从咨询记录追踪抑郁症严重程度的新框架。该系统结合了大型语言模型提取的信号和来自单个对话轮次的语义嵌入。EmoTrack还包含了一个新颖的数据集LongCounsel，其中包含纵向数据和针对重复会话的监督，即使在会话中症状披露不完整也能实现更好的性能。
-
AI工具通过聊天机器人和心理健康检测提升校园福祉
研究人员开发了旨在通过增强反馈收集和心理健康检测来改善校园福祉的人工智能工具。TigerGPT是一款聊天机器人，利用大型语言模型进行个性化调查，实现了高可用性和满意度。AURA是一个强化学习框架，用于优化后续问题以提高对话质量。在干预方面，PsychoGPT是一个在临床指南上训练的大型语言模型，有助于进行痛苦分类和症状评分，并采用堆叠多模型推理方法来减少幻觉。
-
新的PsyGAT模型在抑郁症检测方面达到SOTA，优于GPT-5
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。