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
COSMIC: Emotionally Intelligent Agents to Support Mental and Emotional Well-being in Extreme Isolation: Lessons from Analog Astronaut Training Missions
University of Kent(肯特大学);King's College London(伦敦国王学院);Imperial College London(帝国理工学院)
本文提出COSMIC,一种高保真情感智能AI伴侣,用于评估生成AI在极端孤立环境下的有效性,通过模块化架构和自然观察框架评估心理韧性。
2026-04-08 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
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
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
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
Technological folie à deux: Feedback Loops Between AI Chatbots and Mental Illness
研究探讨了人工智能聊天机器人与心理健康问题之间的相互作用风险,指出其可能引发信念不稳定和依赖,并呼吁跨领域的协调行动以应对这一新兴公共卫生问题。
2026-03-10 cs.AI cs.HC q-bio.NC
Behind the Smile: Mental Health Implications of Mother-Infant Interactions Revealed Through Smile Analysis
本研究通过分析94段母婴自由玩耍视频中母亲微笑的时间动态,发现微笑特征与母亲情绪状态相关,为母婴互动中的情绪劳动和情绪调节提供了新见解。
2025-03-11 cs.CY cs.HC
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
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
Mobile Health Solution for College Student Mental Health: Interview Study and Design Requirement Analysis
背景:大学生心理健康问题普遍存在。COVID-19疫情加剧了这些问题,并导致远程医疗和移动医疗解决方案的普及率激增。尽管移动健康是一种很有前途的方法,以帮助学生的心理健康需求,很少有研究存在于调查学生需要在心理健康自我管理工具的关键功能。目的:本研究的目的是确定设计以学生为中心的心理健康自我管理工具的关键要求和特征。方法:采用访谈法,了解大学生对心理健康自我管理工具的需求和偏好。然后进行功能信息需求分析,将需求转化为设计含义。结果:共招募了153名大学生进行半结构式访谈。参与者提到了几个特征,包括应对技巧、人工智能、时间管理、跟踪和与他人的沟通。参与者对可用性和隐私设置的偏好也被收集。分析了所需的功能,并将其转化为与设计无关的信息需求。结论:本研究记录了与大学生访谈的结果,以了解他们对帮助自我管理心理健康的工具的需求和偏好。
2022-06-07 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
Technology in Association With Mental Health: Meta-ethnography
本文通过元民族志方法综合分析了技术在心理健康服务中的多方面作用,指出技术干预具有巨大潜力,但其实施需基于证据、伦理与公平。
2023-07-27 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
Mental Health and Sensing
心理健康是一种全球性流行病,影响着全世界近5亿人。长期缺乏资源妨碍了受影响者的发现和恢复。有效的传感技术可以通过早期检测、预测和相应的适当治疗来帮助抗击这一流行病。用于感测心理健康状态的现有和新颖技术可以通过激活对与心理健康问题有关的生理、行为和社会信号的粒度跟踪来解决上述问题。本文重点介绍了通过直接和间接测量感知心理健康问题的可用方法。我们看到技术的主动和被动传感以及相关来源的报告如何有助于这些检测方法。我们还看到了通过数字手段提供的治疗方法。我们重点介绍了研究人员正在开发的一些关键干预技术,以对抗精神疾病问题。
2020-09-26 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
Designing Technologies for Value-based Mental Healthcare: Centering Clinicians' Perspectives on Outcomes Data Specification, Collection, and Use
本文通过访谈30位美国心理健康临床医生,探索基于价值的心理健康护理中结果数据规范、收集与使用的技术设计空间,并提出面向多利益相关方的未来技术设计启示。
2025-02-03 cs.HC
Investigating the effects of housing instability on depression, anxiety, and mental health treatment in childhood and adolescence
本研究基于2022年全国儿童健康调查,发现住房不稳定显著增加6-17岁青少年焦虑和抑郁风险,并降低其心理健康服务可及性,进而提出利用数字心理健康干预改善服务可及性的建议。
2024-10-22 cs.HC
Financial technologies (FinTech) for mental health: The potential of objective financial data to better understand the relationships between financial behavior and mental health
在本文中,我们提出了新的研究方法,收集和分析个人财务数据以及心理健康因素,通过一个N=1的案例研究,使用数据从一个人与双相情感障碍。虽然我们没有发现统计上显著的趋势,也没有发现我们的研究结果可以推广到这个案例之外,但我们的方法提供了对获取客观财务数据的挑战的深入了解。我们概述了目前可用的数据,可以用它做什么,以及在处理财务数据时要考虑的因素。更具体地说,使用这些方法,研究人员可能能够在个人财务数据中识别出精神疾病的症状痕迹,例如识别早期预警信号,从而为患有严重精神疾病的个人提供先发制人的护理。基于这项工作,我们还探讨了制定干预措施以支持财务健康的未来方向。此外,我们还描述了金融数据驱动的评估和干预方法在技术、道德和公平方面的挑战,并提供了一个广泛的研究议程来应对这些挑战。通过以保护隐私和道德的方式利用客观,个性化的财务数据,有助于实现心理健康护理的转变。
2023-01-09 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
"For an App Supposed to Make Its Users Feel Better, It Sure is a Joke" -- An Analysis of User Reviews of Mobile Mental Health Applications
移动心理健康应用程序被视为满足日益增长的心理健康需求的一种有前途的方式。虽然在Google Play和Apple App Store等应用程序市场上有超过一万个心理健康应用程序,但其中许多都不是基于证据的,或者经过最低限度的评估或监管。应用程序用户的现实生活体验和担忧在很大程度上是未知的。为了解决这一知识差距,我们分析了来自117个Android应用程序的2159条用户评论和来自76个iOS应用程序的2764条用户评论。我们的调查结果包括围绕不一致的适度标准和缺乏透明度的批评。应用程序嵌入式社交功能和聊天机器人因在危机期间提供的支持很少而受到批评。我们为未来的心理健康应用程序开发人员提供了研究和设计的意义,讨论了制定全面和集中的应用程序开发指南的必要性,以及将现有AI技术纳入心理健康聊天机器人的机会。
2022-09-16 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
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
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
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
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
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
Revolutionizing Mental Health Support: An Innovative Affective Mobile Framework for Dynamic, Proactive, and Context-Adaptive Conversational Agents
针对传统聊天机器人难以适配复杂心理健康支持需求的问题,论文提出结合多模态感知、语言模型与认知行为疗法工具的情感移动框架,可实现共情式情绪干预,助力用户情绪管理。
2024-06-22 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
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
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
Like a Therapist, But Not: Reddit Narratives of AI in Mental Health Contexts
Drexel University(德雷塞尔大学)
本研究通过分析Reddit上的心理健康相关AI使用叙述,探讨了用户对AI在心理健康领域中的评价与关系契合,揭示了任务契合度与情感联系在用户互动中的不同影响。
2026-01-28 cs.CL 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
Understanding Emotional Disclosure via Diary-keeping in Quarantine on Social Media
本研究通过分析微博上58,796条“隔离日记”帖子,提出定量方法揭示隔离期间情感披露的类别、时间变化模式及负面情绪影响因素,为社交媒体心理健康干预提供实践与设计启示。
2024-01-14 cs.HC cs.SI
"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
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
Leveraging AI-Generated Emotional Self-Voice to Nudge People towards their Ideal Selves
本文提出情感自我声音(ESV)系统,结合情感语言模型与声音克隆技术,以用户自己的声音生成个性化回应,并通过60人实验证明其能有效提升韧性、信心、动机和目标承诺,推动个体走向理想自我。
2025-04-09 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
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
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
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