实体
DSM-5-TR
DSM-5-TR
PulseAugur coverage of DSM-5-TR — every cluster mentioning DSM-5-TR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 3 条
-
AI环境MyMentorLLM模拟心理治疗培训课程
研究人员开发了MyMentorLLM，这是一个多模态生成式人工智能环境，用于培训心理治疗师。该系统模拟认知行为疗法（CBT）课程，整合了模拟患者、学员和专家导师之间的语音和文本交互。初步研究结果表明，虽然大多数LLM高估了学员的能力，但本地语音到语音模型提供的反馈最接近人类评分，并且更大的模型提高了诊断准确性。该研究强调了人工智能在CBT刻意练习中的潜力，同时也指出了患者保真度和导师校准等有待改进的领域。
-
AI框架通过LLM和专家评审增强抑郁症状标注
研究人员开发了一个新颖的框架，以提高AI驱动的抑郁症状标注的质量和可解释性。该系统结合了大型语言模型和专家验证，以确保标签符合DSM-5-TR标准，提供结构化证据和推理痕迹。该框架旨在为心理健康研究创建更透明和可解释的数据集，试点研究显示一致性有所提高，手动工作量有所减少。
-
新AI框架增强了可解释的抑郁症症状标注
研究人员开发了一个新颖的框架，以改进AI系统的抑郁症症状标注，解决了标签缺乏结构化证据或与诊断标准不明确对齐的常见问题。这个自演化、专家在环系统结合了大型语言模型辅助和人工验证，为心理健康研究创建更可靠和可解释的数据集。该框架分三个阶段运行，包括证据选择、DSM-5-TR分析和病例级综合，并具有双记忆架构，用于内化专家反馈以进行迭代改进，无需重新训练。