Scoping Review: Mental Health XR Games at ISMAR, IEEEVR, & TVCG
本文综述了ISMAR、IEEEVR及TVCG社区中关于心理健康XR游戏的研究，评估了六款游戏的元素和心理学基础，探讨了未来研究方向。
2026-01-13 cs.HC
Design and Challenges of Mental Health Assessment Tools Based on Natural Language Interaction
Nankai University（南开大学）
本文设计并评估基于 LLM 自然语言交互的非侵入式心理健康评估原型，通过访谈 11 名专业人员明确其提升自报数据可靠性的潜力及隐私、偏差与跨文化挑战。
2025-10-20 cs.HC
"I Don't Want My Mental Health App To Give Me Mental Health Barriers": Unpacking The Need For Digital Mental Health Tracking Services With And For The Blind Community
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究针对美国盲用户开展混合方法研究，发现DMH追踪服务因默认面向视力正常用户而排斥盲用户，据此提出从设计初期就纳入盲用户的可访问性相关设计建议。
2026-08-13 cs.HC
Beyond Content Exposure: Systemic Factors Driving Moderators' Mental Health Crisis in Africa
University of Minnesota（明尼苏达大学）；Technische Universität Berlin（柏林工业大学）；Carnegie Mellon University（卡内基梅隆大学）；Pan African Christian University（泛非基督大学）；The Distributed AI Research Institute（分布式人工智能研究所）；Boston University（波士顿大学）
研究探讨了非洲内容审核员心理健康问题的系统性原因，通过调查和访谈发现其心理压力和幸福感显著低于其他地区，指出劳动条件和企业心理健康计划的不足，呼吁多方合作改善。
2026-03-03 cs.HC
EMINDS: Understanding User Behavior Progression for Mental Health Exploration on Social Media
Florida State University（佛罗里达州立大学）；Cornell University（康奈尔大学）
EMINDS通过自动挖掘管道和可视化分析，帮助研究用户行为演变对心理健康的影响，通过案例研究和专家访谈验证其有效性。
2025-12-03 cs.HC
MentalImager: Exploring Generative Images for Assisting Support-Seekers' Self-Disclosure in Online Mental Health Communities
本文提出技术原型MentalImager，通过生成与主题和情感相关的图像，帮助求助者在在线心理健康社区中进行自我表露，提升了求助者的表露满意度，并唤起了支持提供者的共情与帮助意愿。
2024-09-23 cs.HC
"I've talked to ChatGPT about my issues last night.": Examining Mental Health Conversations with Large Language Models through Reddit Analysis
University of California, Irvine（加州大学尔湾分校）；Seoul National University（首尔大学）
本研究通过Reddit分析探讨了LLMs（如ChatGPT）在心理健康支持中的作用，发现其提供安全、可及的支持并具创新性，但也存在错误建议、过度认可和隐私风险，并提出了相应缓解策略。
2025-04-29 cs.HC
Revolutionizing Mental Health Care through LangChain: A Journey with a Large Language Model
针对现代社会心理健康挑战加剧的问题，本文基于LangChain及ChatOpenAI构建心理健康助手聊天机器人MindGuide，结合Streamlit优化交互，为心理问题早期检测与支持提供新方案。
2024-02-21 cs.HC
Smartphones in Mental Health: Detecting Depressive and Manic Episodes
一项对诊断为双相情感障碍的患者进行的观察性研究调查了智能手机传感器的数据是否可以用于识别双相情感障碍发作，并使用客观数据检测可以发出发作信号的行为变化。
2015-10-19 cs.HC
Navigating the Paradox: Challenges and Strategies of University Students Managing Mental Health Medication in Real-World Practices
本研究通过半结构化访谈探究大学生精神健康药物管理的现实挑战与应对策略，发现该过程高度动态且学生偏好低技术、高自主的管理方式，并据此提出未来辅助技术的设计方向。
2024-08-14 cs.HC
A review of theories and models utilized by empirical studies about mental health help-seeking and implications for future research
本研究通过检索7个数据库筛选出43项相关研究，梳理了16种指导年轻人技术辅助心理健康求助实证研究的理论模型（分7类视角），明确关键影响因素，提出需构建文化敏感的多层次整体干预方案。
2025-06-12 cs.HC
"Sighted People Have Their Pick Of The Litter": Unpacking The Need For Digital Mental Health (DMH) Tracking Services With And For The Blind Community
本研究通过调查93名美国盲人用户，揭示DMH追踪服务在导航、内容解读和用户体验上的可访问性障碍，并提出自适应界面、可访问追踪策略和语音引导交互等包容性设计建议。
2025-03-10 cs.HC
Virtual Simulation for Mental Health
Carnegie Mellon University（卡内基梅隆大学）
本文探索利用虚拟仿真技术，通过基于智能体的建模评估社区层面结果，以及通过具身控制空间进行个体训练，为心理健康干预提供安全实验环境。
2026-06-29 cs.HC
Healthcare Utilization, Chronic Condition Management, and Workplace Functioning Among Users of a Purpose-Built Mental Health AI (Ash): Cross-Sectional Study
The University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；Slingshot AI；University of Southern California's Center for Economic and Social Research (CESR)（南加州大学经济与社会研究中心）
本研究通过横断面比较发现，心理健康AI（Ash）的活跃使用者在心理健康改善、药物依从性等方面表现更好，且急诊和缺勤率更低，提示专用AI对共病管理有潜在益处。
2026-09-09 cs.HC
Designing Mental-Health Chatbots for Indian Adolescents: Mixed-Methods Evidence, a Boundary-Object Lens, and a Design-Tensions Framework
University of Pennsylvania（宾夕法尼亚大学）；Mamata Academy of Medical Sciences（马玛塔医学科学院）
本文通过混合方法研究印度青少年心理健康需求，提出设计张力框架和边界对象视角，指导开发更具文化相关性和个性化的心理健康聊天机器人。
2025-11-11 cs.HC
Beyond the Single Turn: Reframing Refusals as Dynamic Experiences Embedded in the Context of Mental Health Support Interactions with LLMs
Carnegie Mellon University（卡内基梅隆大学）；University of Washington School of Medicine（华盛顿大学医学院）；Microsoft（微软）；Harvard Medical School（哈佛医学院）；University of Washington（华盛顿大学）
通过混合方法研究，揭示LLM在心理健康支持中的拒绝行为是多阶段动态体验，并提出多阶段评估框架和设计建议。
2026-05-22 cs.HC
Opportunities in Mental Health Support for Informal Dementia Caregivers Suffering from Verbal Agitation
本研究通过采访11名非正式护理人员，分析了痴呆症患者言语激越行为对护理人员心理健康的影响及应对策略，提出了在激越行为发生前、发生时和发生后提供相应支持的设计机会。
2023-11-17 cs.HC
"When I lost it, they dragged me out": How Care Encounters Empower Marginalized Young Adults' Aspiration and Mental Health Care-Seeking
本研究访谈18名美国边缘化青年，提出“关怀遭遇”可作为偶然转折点，提升其照护志向并推动主动寻求心理健康服务。
2025-10-03 cs.HC
LLM Agent-Based Simulation of Student Activities and Mental Health Using Smartphone Sensing Data
本研究提出基于LLM智能体的模拟框架，利用StudentLife数据集建模学生活动与心理健康，通过感知数据引导智能体预测行为并提供自我报告，支持探索新场景和干预研究。
2025-08-08 cs.HC
Understanding and Mitigating Mental Health Misinformation on Video Sharing Platforms
本文针对视频分享平台上心理健康错误信息泛滥的问题，通过示例界定其概念，并提出待解决的研究问题与挑战，为后续治理工作奠定基础。
2023-04-14 cs.HC cs.SI
Mental Health Assessment for the Chatbots
Pattern Recognition Center, WeChat AI, Tencent Inc（腾讯公司微信人工智能模式识别中心）；University of Chinese Academy of Sciences（中国科学院大学）
以往对对话系统评估的研究通常集中在聊天机器人生成的响应的质量评估（例如流畅性、相关性等）上，这是局部的和技术性的度量。对于一个回应数百万在线用户（包括未成年人）的聊天机器人，我们认为它应该有一个健康的心理倾向，以避免对他们产生负面的心理影响。在本文中，我们建立了几个心理健康评估维度（抑郁，焦虑，酒精成瘾，共情），并介绍了基于情感的心理健康评估方法。我们对一些著名的开放域聊天机器人进行了评估，发现所有这些聊天机器人都存在严重的心理健康问题。我们认为这是由于在数据集构建和模型训练过程中忽视了心理健康风险。我们期望引起研究者对聊天机器人严重的心理健康问题的关注，并提高聊天机器人的积极情感互动能力。
2022-01-14 cs.CL cs.HC
Intelligent interactive technologies for mental health and well-being
Singidunum University（辛吉杜努姆大学）；Institute of Mental Health（心理健康研究所）；Faculty of Medicine, University of Belgrade（贝尔格莱德大学医学院）
交互技术和人工智能给心理健康带来了许多好处。各种干预措施已成功地使用智能技术来自动评估和评价心理治疗和心理健康和功能。这些技术包括不同类型的机器人、视频游戏和对话代理。本文批判性地分析了现有的解决方案，并展望了其未来。我们尤其：i）概述精神健康技术，ii）根据拟议标准批判性地分析技术，iii）提供这些技术的设计前景。
2021-05-11 cs.AI cs.HC
Engaging with mental health: a global challenge
使用世界卫生组织的指标，全球疾病负担研究发现，精神健康问题目前是发达国家残疾的主要原因[1]。预测还表明，在今后几十年中，全球心理健康问题的负担将继续增加。这一趋势的人力和经济代价将是巨大的。在本文中，我们将讨论如何有效地设计交互式系统，通过合作，跨学科的努力，可以发挥重要作用，帮助解决这一挑战。我们的讨论基于对四种探索性系统的描述，每种系统都经过了初步的临床评价。还确定了未来研究精神卫生技术的方向。
2013-07-11 cs.CY cs.HC
CARE-MH: Towards Unified, Reproducible, and Comparable Evaluation of Mental Health LLMs
Purdue University（普渡大学）；Yixue Research Institute（益学研究院）
研究针对心理健康语言模型评估难重现、难比较的问题，提出CARE-MH统一框架，通过重现分析现有基准，发现可重复性取决于模型稳定性，跨基准分歧源于指标定义差异，强调了标准化评估配置和共享指标定义的必要性。
2026-07-29 cs.AI cs.HC
Barriers to Digital Mental Health Services among College Students
本研究通过对eBridge在线咨询干预的大型随机临床试验数据做主题分析，明确了大学生使用数字及线下心理健康服务的9项关键障碍，提出需打造个性化、具文化敏感性的干预方案以提升年轻群体的心理健康服务可及性与参与度。
2025-06-30 cs.CY cs.HC
The opportunities and risks of large language models in mental health
Google（谷歌公司）
本文综述了大型语言模型在心理健康教育、评估和干预中的应用机遇，同时分析了相关风险，强调负责任开发、微调、公平性与伦理规范的重要性，以最大化其对全球心理健康的积极影响。
2024-08-01 cs.AI cs.CL cs.CY
Measuring Mental Health Variables in Computational Research: Toward Validated, Dimensional, and Transdiagnostic Approaches
Stanford University（斯坦福大学）
本文指出计算精神健康研究常使用不当测量，提出采用经过验证、维度性和跨诊断的测量方法，以提升研究有效性并给出实践建议。
2025-04-04 cs.CL cs.HC
Participatory Design for Mental Health Data Visualization on a Social Robot
University of Washington（华盛顿大学）
数据可视化和人机交互（HRI）的交叉是一个新兴的领域。理解、交流和处理不同类型的数据以创建多功能可视化可以使HRI受益。相反，通过有效的可视化表达HRI生成的不同类型的数据可以提供有趣的见解。我们的工作增加了这个不断增长的领域的文献。在本文中，我们提出了我们的探索性工作可视化的心理健康数据的社交机器人。特别是，我们讨论了心理健康数据可视化的开发使用参与式设计（PD）的方法。作为社交机器人上心理健康数据可视化的第一步，这项工作为相关的进一步工作和使用社交机器人作为数据可视化工具铺平了道路。
2022-08-20 cs.HC cs.RO
Towards Understanding Emotions for Engaged Mental Health Conversations
Singapore University of Technology and Design（新加坡科技设计大学）
本文提出融合击键动力学与情感分析的被动情绪感知系统，以支撑聊天机器人、在线治疗和求助热线等文本心理健康及危机护理服务。
2024-06-17 cs.AI cs.HC
Robotics Technology in Mental Health Care
University of Notre Dame（圣母大学）
本章讨论了机器人技术和智能传感技术在精神卫生保健中的现有和未来应用。虽然这项技术的使用在精神卫生保健中刚刚起步，但它代表了从业者工具箱中的一个潜在有用的工具。本章的目标是提供该领域的简要概述，讨论机器人技术在精神卫生保健实践中的最新应用，探讨在这一领域使用机器人的一些设计问题和伦理问题，最后探讨新兴技术的潜力。
2015-11-07 cs.CY cs.HC cs.RO
Exploring Mental Health Communications among Instagram Coaches
使用在线社交网络（OSN）来支持遇到心理健康问题的人已经有了显着的扩展。本文研究了专门指导有心理健康问题的人的Instagram影响者的作用。使用97k帖子的数据集，我们描述了这些用户的语言和行为特征。我们将探讨这些观察结果如何影响受众参与度（通过喜欢来衡量）。我们发现，这些帐户提供的支持根据他们自我宣称的专业身份而有所不同。例如，宣称自己为作者的Instagram帐户提供的支持比将自己标记为教练的帐户少。我们发现，在一般通信中增加信息支持对用户参与度有积极影响。然而，词汇对参与度的影响在Instagram帐户类型中并不一致。我们的研究结果揭示了这个未充分研究的主题，并指导心理健康从业者如何改善外展。
2022-11-11 cs.HC cs.SI
Digital Health Innovations for Screening and Mitigating Mental Health Impacts of Adverse Childhood Experiences: Narrative Review
本文综述了数字健康技术与人工智能在筛查和缓解儿童及青少年不良童年经历（ACEs）心理健康影响中的应用，指出其能有效提升相关护理质量并预防ACE发生。
2025-01-30 cs.CY cs.HC
FedMentalCare: Towards Privacy-Preserving Fine-Tuned LLMs to Analyze Mental Health Status Using Federated Learning Framework
University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）
FedMentalCare通过联邦学习与低秩适应技术，在保护隐私的同时微调大语言模型，用于分析心理健康状况，提升心理健康护理的可行性和安全性。
2026-01-24 cs.CL cs.HC cs.LG
Young people's perceptions and recommendations for conversational generative artificial intelligence in youth mental health
Brain and Mind Centre, The University of Sydney（悉尼大学脑与心灵中心）；Uncapt
研究探讨青少年对生成式AI聊天机器人在心理健康中的看法及改进建议，揭示其态度与需求，为服务整合提供启示。
2026-04-15 cs.AI cs.HC
MentalChat16K: A Benchmark Dataset for Conversational Mental Health Assistance
University of Pennsylvania（宾夕法尼亚大学）
MentalChat16K是一个结合合成咨询与匿名干预记录的英文基准数据集，涵盖多种心理健康状况，旨在促进对话式心理健康辅助大语言模型的开发与评估，推动共情个性化AI研究。
2025-06-02 cs.AI cs.CL cs.CY
SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey
本文提出自适应LLM驱动系统SouLLMate，整合RAG、提示工程与领域知识，实现自杀风险检测与主动引导对话，并设计KIS和PQS方法提升心理健康支持的可及性与有效性。
2025-09-19 cs.CY cs.HC
Speech Emotion Recognition using Supervised Deep Recurrent System for Mental Health Monitoring
University of Cincinnati（辛辛那提大学）；University of Florida（佛罗里达大学）；Central Michigan University（中央密歇根大学）；University of Louisiana at Lafayette（路易斯安那大学拉法叶分校）
了解人类行为和监测心理健康对维护社区和社会安全至关重要。由于在COVID-19大流行期间，由于精神健康不受控制，精神健康问题有所增加，因此及早发现精神问题至关重要。如今，智能虚拟个人助理（IVA）的使用在全球范围内不断增加。个人使用他们的声音来控制这些设备以满足请求并获得不同的服务。本文提出了一种基于门控递归神经网络和卷积神经网络的新型深度学习模型，用于从语音中理解人类情感，以改善其IVA服务并监测其心理健康。
2022-10-27 cs.HC cs.LG cs.SD
A Checklist for Trustworthy, Safe, and User-Friendly Mental Health Chatbots
University of Illinois Urbana-Champaign, Urbana, United States（伊利诺伊大学厄巴纳-香槟分校）；Indiana University Indianapolis, Indianapolis, United States（印第安纳大学印第安纳波利斯分校）
本文提出了一套操作清单，旨在指导开发更可信、安全且用户友好的心理健康聊天机器人，以促进伦理和有效的设计实践。
2026-01-21 cs.AI cs.CY cs.HC
Exploring Socio-Cultural Challenges and Opportunities in Designing Mental Health Chatbots for Adolescents in India
该研究通过问卷与访谈调查印度青少年心理健康需求，发现社会污名高、偏好文本交互且现有聊天机器人缺乏文化相关性，据此提出注重匿名性、定制化支持和本地化资源的文化敏感型聊天机器人设计建议。
2025-03-11 cs.CY cs.HC
Facilitating Self-Guided Mental Health Interventions Through Human-Language Model Interaction: A Case Study of Cognitive Restructuring
University of Washington（华盛顿大学）；Mental Health America（美国心理健康协会）
本研究以认知重构为案例，设计了基于语言模型的自助心理健康干预辅助系统，经15531人参与的随机实地研究验证其有效，且定制化简化生成内容可提升效果与公平性。
2024-04-10 cs.CL cs.HC
Challenges of Large Language Models for Mental Health Counseling
University of Warsaw（华沙大学）；Informatism（信息主义公司）
本文探讨了大型语言模型在心理健康咨询中面临的主要挑战（如模型幻觉、偏见、隐私和临床有效性等），并提出了适用于当前AI范式的潜在解决方案，指出谨慎克服这些缺陷后AI有望显著改善心理健康护理。
2023-11-23 cs.AI cs.CL cs.HC
Chatbots for Mental Health Support: Exploring the Impact of Emohaa on Reducing Mental Distress in China
Tsinghua University（清华大学）；Beijing Normal University（北京师范大学）
对心理健康支持的需求日益增长，凸显了对话代理作为全球和中国人类支持者的重要性。这些药物可以增加心理健康支持的可用性并降低其相对成本。所提供的支持可分为两大类：认知支持和情感支持。现有的工作主要集中在构建代理，采用认知行为疗法（CBT）的原则。这种代理基于预定义的模板和练习来操作，以提供认知支持。然而，研究情绪支持使用这样的代理是有限的。此外，大多数被构建的代理人使用英语进行操作，这突出了在中国进行此类研究的重要性。在这项研究中，我们分析了Escherhaa在减少精神痛苦症状方面的有效性。Rehhaa是一个会话代理，通过基于CBT的练习和引导对话提供认知支持。它还通过使用户能够发泄他们想要的情绪问题来在情感上支持用户。该研究包括134名参与者，分为三组：Eschhaa（基于CBT），Eschhaa（完全）和对照组。实验结果表明，与对照组相比，使用Escherhaa的参与者在精神痛苦症状方面有了更显著的改善。我们还发现，添加情绪支持剂对这些改善有补充作用，主要是抑郁和失眠。根据所获得的结果和参与者对平台的满意度，我们得出结论，Escherhaa是减少精神痛苦的实用有效工具。
2022-09-21 cs.CL cs.HC
Designing Virtual Reality Games for Grief: A Workshop Approach with Mental Health Professionals
University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校）；Georgia Institute of Technology（佐治亚理工学院）
本研究通过与心理健康专业人员的工作坊设计了一款VR游戏，旨在通过沉浸式叙事和游戏机制帮助患者应对哀伤，探索其在心理健康干预中的应用。
2025-12-18 cs.ET cs.HC
Seeking Late Night Life Lines: Experiences of Conversational AI Use in Mental Health Crisis
University of Minnesota（明尼苏达大学）；Northwestern University（西北大学）；Dartmouth College（达特茅斯学院）；Microsoft（微软）；Mental Health America（心理健康美国）；Microsoft Research（微软研究院）
本文研究了在心理健康危机中使用对话AI的体验，发现AI在填补人类支持空缺中的作用，同时强调人类连接的重要性，并提出负责任的AI干预应促进积极行动并缓解负面行动。
2025-12-29 cs.AI cs.CY cs.HC
Enhancing Mental Health Support through Human-AI Collaboration: Toward Secure and Empathetic AI-enabled chatbots
University at Albany, SUNY（纽约州立大学奥尔巴尼分校）；SUNY Downstate Health Sciences University（纽约州立大学唐斯泰特健康科学大学）
针对心理健康支持可及性有限的问题，研究评估了GPT v4等大语言模型聊天机器人的共情回应能力，提出结合联邦学习与临床验证的框架以解决隐私、偏见等问题，开发安全可信的AI心理健康支持工具。
2024-09-17 cs.AI cs.CY cs.HC
Dynamic Strategy Chain: Dynamic Zero-Shot CoT for Long Mental Health Support Generation
Jiangxi University of Finance and Economics（江西财经大学）
针对零样本思维链提示在心理健康长咨询文本生成中缺乏策略、无法个性化的问题，提出动态策略链方法，通过GPT2动态生成适配策略引导大模型生成回复，性能优于传统零样本思维链方法。
2023-08-21 cs.AI cs.CL cs.HC
The Typing Cure: Experiences with Large Language Model Chatbots for Mental Health Support
Georgia Institute of Technology（佐治亚理工学院）
基于21位全球用户的访谈，研究人们使用LLM聊天机器人进行心理健康支持的真实体验，提出“治疗对齐”概念，并为伦理有效的AI心理健康工具设计提供建议。
2025-05-09 cs.AI cs.CY cs.HC
Privacy Aware Question-Answering System for Online Mental Health Risk Assessment
University of Southern California（南加州大学）
本研究提出一种基于Unified-QA模型的问答式心理健康风险评估方法，通过差分隐私实现训练过程匿名化，在两个大型数据集上验证了方法有效性，且隐私保护带来的性能下降不足1%。
2023-06-09 cs.AI cs.CL cs.HC
MindGuard: Towards Accessible and Sitgma-free Mental Health First Aid via Edge LLM
California Institute of Technology（加州理工学院）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
针对精神障碍干预率低、污名化阻碍求助的问题，研究提出搭载边缘LLM的移动心理健康系统MindGuard，融合传感器数据与评估记录提供个性化服务，效果媲美GPT-4且优于更大规模模型，为无污名化的可及心理健康支持开辟新路径。
2024-09-16 cs.AI cs.CL cs.HC
A Conditional Companion: Lived Experiences of People with Mental Health Disorders Using LLMs
Center for Advanced Internet Studies Bochum Germany；Center for Advanced Internet Studies \& University of Wuppertal Bochum Germany；Center for Advanced Internet Studies；Center for Advanced Internet Studies \& University of Wuppertal
研究探讨了心理健康障碍者使用LLMs的亲身经历，发现其条件性使用与界限设定，提出设计和治理方向以确保LLMs在心理健康支持中的安全应用。
2026-02-11 cs.AI cs.CY cs.HC
When Testing AI Tests Us: Safeguarding Mental Health on the Digital Frontlines
Northwestern University（西北大学）；Microsoft Research（微软研究院）；Williams Research Consulting（威廉斯研究咨询）
本文指出AI红队测试的交互式对抗劳动会引发独特的心理健康问题，通过类比其他高风险职业的防护实践，提出了保障红队成员心理健康的个人与组织策略。
2025-04-29 cs.AI cs.CY cs.HC
An Offline Mobile Conversational Agent for Mental Health Support: Learning from Emotional Dialogues and Psychological Texts with Student-Centered Evaluation
Department of Electrical Engineering and Computer Science, Indian Institute of Science Education and Research Bhopal（电子工程与计算机科学系，比哈尔印度科学教育与研究中心）
本文提出EmoSApp，一个离线智能手机应用，利用定制知识数据集训练的语言模型，提供心理健康支持，并通过学生和专业人员的定性评估及多项基准测试验证其在低资源环境下的有效性。
2025-12-10 cs.AI cs.CL cs.CY
Personal Mental Health Navigator: Harnessing the Power of Data, Personal Models, and Health Cybernetics to Promote Psychological Well-being
University of California, Irvine（加州大学尔湾分校）；University of Turku（图尔库大学）
传统上，精神卫生保健制度遵循一种情景式心理治疗模式，其中患者通过在多个提供者访问中制定的规定治疗计划来寻求提供者的护理。可穿戴和移动技术的最新进展引起了人们对数字心理健康的兴趣，使个人能够解决偶发性心理健康症状。然而，这些努力通常是反应性的和以自我为中心的，并没有提供全面的，环绕式的，定制的治疗方法，以捕捉个人的整体心理健康模型，因为它随着时间的推移展开。认识到每个人都是独一无二的，我们提出了个性化心理健康导航（MHN）的概念：一个治疗师在循环中，基于控制论目标的系统，它部署了一个连续的测量，估计，指导循环，以引导个人的心理健康状态走向健康区。我们概述了MHN的主要组成部分，它依赖于个人心理健康状态的发展，整体上由情感，生物模式，社会学，行为和认知等多个知识层的高维覆盖表示。我们通过一项为期12个月的试点案例研究证明了个性化MHN方法的可行性，用于大学生的整体压力管理，并强调了使用MHN进行监测，估计和主动解决中重度抑郁症的治疗师循环干预的实例。我们相信，MHN为将精神卫生保健从目前的被动，偶发，反应性过程（个人寻求帮助以解决已经表现出来的症状）转变为利用个性化模型的连续和导航范式铺平了道路。
2020-12-15 cs.CV cs.CY cs.HC
Human-computer interactions predict mental health
Helen Wills Neuroscience Institute, University of California Berkeley, USA（加州大学伯克利分校海伦·威尔斯神经科学研究所）；Max Planck UCL Centre for Computational Psychiatry and Ageing Research, London, UK（马克斯·普朗克伦敦大学学院计算精神病学与衰老研究中心）；Department of Psychology, University of California Berkeley, USA（加州大学伯克利分校心理学系）；Vision Science Group, University of California Berkeley, USA（加州大学伯克利分校视觉科学组）
研究通过 MAILA 框架利用日常人机交互数据预测心理健康状态，实现高精度的数字表型分析。
2026-08-20 cs.AI cs.HC q-bio.NC
