Large Language Model for Mental Health: A Systematic Review
University College London(伦敦大学学院)
本系统综述遵循PRISMA指南评估了大语言模型在心理健康领域的应用,指出其在筛查、干预等方面的效果,同时揭示了数据、准确性、可解释性及伦理等风险,强调其作为临床辅助工具的潜力与持续研发的必要性。
2024-08-12 cs.AI cs.CL cs.CY
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
CARMA: Comprehensive Automatically-annotated Reddit Mental Health Dataset for Arabic
School of Engineering and Applied Science(工程与应用科学学院);George Washington University(乔治·华盛顿大学)
本文提出首个大规模自动标注的阿拉伯语 Reddit 心理健康数据集 CARMA,涵盖六类心理状况及对照组,并通过多类模型实验验证其在阿拉伯语心理健康检测中的价值。
2025-11-05 cs.AI cs.CL
Understanding Student Sentiment on Mental Health Support in Colleges Using Large Language Models
Stevens Institute of Technology(史蒂文斯理工学院)
本文基于 Student Voice Survey 构建 SMILE-College 情绪数据集,比较传统机器学习与 LLM,发现 GPT-3.5 和 BERT 表现最佳,为高校心理健康支持评估提供数据驱动方法。
2024-11-18 cs.AI cs.CL cs.CY
Mental Health Equity in LLMs: Leveraging Multi-Hop Question Answering to Detect Amplified and Silenced Perspectives
University of Maryland Baltimore County(马里兰大学巴尔的摩分校);Stanford University and Amazon AI(斯坦福大学和亚马逊人工智能)
本研究提出多跳问答框架检测大语言模型在心理健康话语中的交叉性偏见,评估四个模型并采用两种去偏技术实现66%-94%的偏见减少,为公平AI发展提供洞见。
2025-06-22 cs.AI cs.CL cs.CY
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
ProMind-LLM: Proactive Mental Health Care via Causal Reasoning with Sensor Data
California Institute of Technology(加州理工学院);UCLA(加州大学洛杉矶分校);National University of Singapore(新加坡国立大学);Hangzhou Dianzi University(杭州电子科技大学);Fudan University(复旦大学)
针对现有基于主观文本的大语言模型心理健康评估易失真、不可靠的问题,提出融合客观行为数据与主观记录、包含领域预训练、自精炼和因果思维链的ProMind-LLM,在两个真实数据集上性能显著优于通用LLM。
2025-05-20 cs.AI cs.CL
MentalBERT: Publicly Available Pretrained Language Models for Mental Healthcare
Aalto University(阿尔托大学);The University of Manchester(曼彻斯特大学);Mila, Québec AI Institute(米拉魁北克人工智能研究所);Nanyang Technological University(南洋理工大学)
心理健康是现代社会的一个关键问题,精神障碍有时可能会在没有适当治疗的情况下转变为自杀意念。从社会内容中早期发现精神障碍和自杀意念为有效的社会干预提供了潜在的途径。预训练语境化语言表示的最新进展促进了几个特定领域预训练模型的发展,并促进了几个下游应用。然而,目前还没有用于心理健康的预训练语言模型。本文训练并发布了两个预训练的带掩码语言模型,MentalBERT和MentalRoBERTA,使机器学习受益于心理健康研究社区。此外,我们评估了我们的训练特定领域的模型和几个变体的预训练语言模型在几个精神障碍检测基准,并证明语言表示预训练在目标领域提高心理健康检测任务的性能。
2021-10-29 cs.CL
MentalAgora: A Gateway to Advanced Personalized Care in Mental Health through Multi-Agent Debating and Attribute Control
Sungkyunkwan University(成均馆大学);Upstage AI;New York University(纽约大学)
MentalAgora提出一种基于多智能体辩论与属性控制的大语言模型框架,通过策略辩论、咨询师定制和响应生成三阶段实现个性化心理健康支持,实验和用户研究表明其符合专业标准并满足用户偏好。
2024-07-03 cs.CL
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
Team MKC at CLPsych 2026: Capturing and Characterizing Mental Health Changes through Social Media Timeline Dynamics
Seoul National University(首尔大学)
本文提出基于大语言模型的流水线,通过分析用户按时间排序的帖子,实现帖子级评估和用户级时间建模,以支持心理健康的早期检测和持续监测。
2026-07-01 cs.AI cs.CL
Mitigating Hallucinations Using Ensemble of Knowledge Graph and Vector Store in Large Language Models to Enhance Mental Health Support
National University of Sciences and Technology(国家科技大学);King Faisal University(费萨尔国王大学);Sejong University(世宗大学)
本研究探讨大型语言模型在心理健康领域的幻觉问题,通过分析其产生机制并提出针对性干预策略,构建更稳健的框架以提升模型在心理治疗与咨询中的可靠性与安全性。
2024-10-06 cs.AI cs.CL
Zero-shot Explainable Mental Health Analysis on Social Media by Incorporating Mental Scales
South China University of Technology(华南理工大学)
针对传统判别式和现有生成式方法在可解释性与可靠性上的不足,提出结合心理量表的心理分析(MAIMS)零样本方法,通过患者填表与心理学家解读两步生成严谨解释,性能优于其他零样本方法。
2024-03-15 cs.AI cs.CL
Evaluation of ChatGPT for NLP-based Mental Health Applications
大语言模型(LLM)在几个自然语言理解任务中取得了成功,并可能与基于自然语言处理(NLP)的心理健康应用研究相关。在这项工作中,我们报告了基于LLM的ChatGPT(具有gpt-3.5-turbo后端)在三个基于文本的心理健康分类任务中的性能:压力检测(2类分类),抑郁检测(2类分类)和自杀检测(5类分类)。我们从公共数据集中获得了三个分类任务的注释社交媒体帖子。然后ChatGPT API对社交媒体帖子进行分类,并输入分类提示。我们获得的F1分数为0.73,0.86,0.37压力检测,抑郁检测,自杀倾向检测,分别。一个总是预测优势类的基线模型导致F1得分为0.35,0.60和0.19。使用ChatGPT获得的zero-shot分类精度表明语言模型在心理健康分类任务中的潜在用途。
2023-03-28 cs.AI cs.CL
Harnessing Large Language Models for Mental Health: Opportunities, Challenges, and Ethical Considerations
Bournemouth University(伯恩茅斯大学)
本文探讨大型语言模型在心理健康护理中的变革潜力,分析其提升可及性与个性化等机遇,同时指出数据隐私、偏见等挑战,倡导创新与伦理责任并重的多学科协作路径。
2024-12-13 cs.AI cs.CY cs.LG
A Dual-Prompting for Interpretable Mental Health Language Models
Sungkyunkwan University(成均馆大学);University of South Florida(南佛罗里达大学);Chung-Ang University(中央大学)
本文提出双重提示方法,结合专家身份、自杀词典和心理健康专用LLM进行证据提取,并用一致性评估器生成摘要,以提升心理健康LLM的可解释性并辅助临床评估。
2024-02-20 cs.AI cs.CL
Domain-specific Continued Pretraining of Language Models for Capturing Long Context in Mental Health
University of Helsinki(赫尔辛基大学);The University of Manchester(曼彻斯特大学);Nanyang Technological University(南洋理工大学)
针对心理健康领域缺少长序列预训练模型的问题,本文基于 XLNet 和 Longformer 持续预训练并发布 MentalXLNet 与 MentalLongformer,用于提升长上下文分类与长距离依赖建模能力。
2023-04-20 cs.CL
TrustMH-Bench: A Comprehensive Benchmark for Evaluating the Trustworthiness of Large Language Models in Mental Health
Renmin University of China, China(中国人民大学);Beijing University of Posts and Telecommunications, China(北京邮电大学);Hefei University of Technology, China(合肥工业大学)
TrustMH-Bench提出了一种综合基准,用于评估大语言模型在心理健康领域的可信度,揭示了现有模型在关键维度上的不足。
2026-03-03 cs.AI cs.CL
An Integrative Survey on Mental Health Conversational Agents to Bridge Computer Science and Medical Perspectives
University of Pennsylvania(宾夕法尼亚大学);New York University(纽约大学)
本文通过PRISMA框架系统综述了534篇跨计算机科学与医学的心理健康对话智能体论文,揭示了两领域在方法上的差异,并提出促进跨学科发展的建议。
2023-10-25 cs.AI cs.CL
A Systematic Evaluation of LLM Strategies for Mental Health Text Analysis: Fine-tuning vs. Prompt Engineering vs. RAG
Texas State University(德克萨斯州立大学)
本研究系统比较了LLMs在心理健康文本分析中的三种策略,发现Fine-tuning准确率最高但资源消耗大,而Prompt Engineering和RAG部署灵活但性能适中,为实际应用提供了权衡参考。
2025-03-31 cs.AI cs.CL cs.IR
PsyEval: A Suite of Mental Health Related Tasks for Evaluating Large Language Models
Shanghai Jiao Tong University(上海交通大学);Shanghai Jiao Tong University School of Medicine(上海交通大学医学院);University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本文提出首个心理健康任务综合评估套件PsyEval,包含五个子任务评估三个关键维度,对十二个先进LLMs的测试揭示了当前模型不足及未来优化方向。
2024-06-03 cs.CL
MHINDR -- a DSM5 based mental health diagnosis and recommendation framework using LLM
TCS Research(塔塔咨询服务研究)
本研究提出整合DSM-5标准的大语言模型框架MHINDR,通过提取时间信息与心理特征分析用户文本,辅助诊断并生成适配多场景的个性化心理健康干预建议。
2025-09-30 cs.AI cs.IR cs.SI
Mental-R1: Aligning LLM Reasoning for Mental Health Assessment
University of Oxford(牛津大学);Oxford Suzhou Centre for Advanced Research(牛津大学苏州高等研究院)
提出认知相对策略优化(CRPO)框架,通过阶段依赖不确定性建模和熵正则化机制,使LLM推理对齐人类认知过程,在8个心理健康数据集上加权F1平均提升10.4个百分点。
2026-10-05 cs.AI
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
Leveraging LLMs for Translating and Classifying Mental Health Data
Department of Computer Science and Engineering, University of Ioannina(计算机科学与工程系,希腊伊奥亚纳大学);LT3, IDLab, Universiteit Gent(LT3,IDLab,比利时根特大学);Department of Informatics, Athens University of Economics and Business(信息系,希腊经济与商业大学);Archimedes/AthenaRC, Greece(阿基米德/阿提卡RC,希腊)
本研究利用大语言模型在希腊语中检测抑郁症严重程度,发现GPT3.5-turbo在非英语语言中的表现不一致,强调了进一步研究和人类监督的重要性。
2026-10-14 cs.CL
MentalMARBERT: Domain-Adaptive Pre-training and Two-Stage Fine-Tuning for Arabic Mental Health Disorders Detection
King Abdulaziz University(阿卜杜勒阿齐兹国王大学)
针对阿拉伯语社交媒体文本中心理健康障碍检测的方言差异、非正式语言、标注资源有限和类别不平衡问题,提出领域自适应预训练与两阶段微调框架,构建含5万条推文的数据集,MentalMARBERT在宏F1和准确率上分别达到0.861和0.877。
2026-06-12 cs.CL
PRiME: Pragmatic Reasoning In MEntal health
Sneha Oram(独立研究者)
本文提出PRiMH数据集及心理健康语用推理任务,评测多个大语言模型的推理能力,并研究其对心理健康污名的处理表现。
2026-10-22 cs.CL
Reasoning Is Not All You Need: Examining LLMs for Multi-Turn Mental Health Conversations
Georgia Institute of Technology(佐治亚理工学院)
本文提出MedAgent框架生成多轮心理健康对话数据集MHSD,并构建MultiSenseEval评估框架,发现前沿推理模型在患者中心沟通和高级诊断上表现不佳,且性能随对话轮次增加而下降。
2025-05-28 cs.CL
Building Multilingual Datasets for Predicting Mental Health Severity through LLMs: Prospects and Challenges
University of Ioannina(约阿尼纳大学);Universiteit Gent(根特大学);Athens University of Economics and Business(雅典经济与商业大学);Archimedes/AthenaRC(阿基米德/雅典娜研究中心)
本文提出通过多语言数据集评估LLMs在心理健康严重程度预测中的性能,揭示了多语言环境下模型表现的差异及潜在风险。
2026-10-14 cs.CL cs.LG
Mentalic Net: Development of RAG-based Conversational AI and Evaluation Framework for Mental Health Support
Texas State University(德克萨斯州立大学)
本研究开发了基于RAG框架、结合提示工程与微调的心理健康支持对话AI Mentalic Net,构建多维度评估体系验证其性能达标,倡导以人在回路的负责任策略开发此类技术。
2025-08-27 cs.CL
MentaLLaMA: Interpretable Mental Health Analysis on Social Media with Large Language Models
The University of Manchester(曼彻斯特大学);Jiangxi Normal University(江西师范大学);Yale University(耶鲁大学);Wuhan University(武汉大学)
针对大语言模型在心理健康分析中零样本性能差且缺乏开源可解释模型的问题,构建了10.5万样本的IMHI数据集,并基于LLaMA2训练出首个开源的MentalLLaMA模型,在正确性和解释质量上均达到先进水平。
2024-02-04 cs.CL
mind_call: A Dataset for Mental Health Function Calling with Large Language Models
School of Computing, Queen’s University Kingston(计算学院,女王大学金斯顿)
mind_call数据集通过合成功能调用任务,为大语言模型在心理健康领域的应用提供支持,涵盖多种自然语言查询与标准化API调用的映射,促进意图识别和可靠功能调用的研究。
2026-01-11 cs.AI cs.LG
Domain-Specific Constitutional AI: Enhancing Safety in LLM-Powered Mental Health Chatbots
本文提出利用领域特定心理健康原则的宪法AI训练方法,以提升心理健康聊天机器人在安全性和领域适应性方面的表现。
2026-10-23 cs.AI cs.CL cs.LG
An Assessment on Comprehending Mental Health through Large Language Models
Lua Health
本研究针对大语言模型在心理健康领域的应用空白,评估其理解自然语言中心理健康表达的能力,对比发现BERT、XLNet等transformer模型在DAIC-WOZ数据集上表现优于Llama-2和ChatGPT。
2024-02-02 cs.CL
Large Language Models for Mental Health Diagnostic Assessments: Exploring The Potential of Large Language Models for Assisting with Mental Health Diagnostic Assessments -- The Depression and Anxiety Case
Indian Institute of Research and Science, Bhopal(博帕尔印度研究与科学学院);Indian Institute of Technology, Kharagpur(克勒格布尔印度理工学院)
本文研究利用LLMs辅助PHQ-9和GAD-7诊断评估,通过提示与微调技术使模型遵循标准诊断流程,并验证其与专家诊断的一致性。
2025-01-02 cs.CL
Mental-LLM: Leveraging Large Language Models for Mental Health Prediction via Online Text Data
Massachusetts Institute of Technology(麻省理工学院);University of Washington(华盛顿大学);Rensselaer Polytechnic Institute(伦斯勒理工学院);Stanford University(斯坦福大学);University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Northeastern University(东北大学)
本研究评估多种LLM在心理健康预测任务上的表现,发现指令微调可显著提升性能,微调后的小模型性能超越大参数规模的GPT-3.5、GPT-4,比肩任务专用SOTA模型,同时指出相关局限与伦理风险。
2024-01-28 cs.CL
Automated Multi-Label Annotation for Mental Health Illnesses Using Large Language Models
Compumacy for Artificial Intelligence Solutions(Compumacy人工智能解决方案公司);Saint Elizabeths Hospital(圣伊丽莎白医院)
针对社交媒体精神健康数据多为单标签、难以刻画共病的问题,提出基于 LLM 合成标注与多提示评估的数据集构建方法,并构建多标签数据集 SPAADE-DR。
2024-12-05 cs.AI
Automatic Evaluation of Mental Health Stigma in Online Communication
The University of Melbourne(墨尔本大学);University of Tübingen(图宾根大学)
本研究提出一个基于理论的心理健康污名自动评估基准,涵盖细粒度分类法,并评估大型语言模型,发现现有模型难以准确捕获污名,LLM需明确规则以避免过度预测。
2026-10-05 cs.CL
ChatGPT for Us: Preserving Data Privacy in ChatGPT via Dialogue Text Ambiguation to Expand Mental Health Care Delivery
UCLA(加州大学洛杉矶分校)
针对数据敏感领域使用ChatGPT的隐私顾虑,研究提出文本歧义化隐私保护框架,经压力应对任务验证,无原始用户文本时ChatGPT建议仍具中等实用性与相关性,可助力拓展心理健康服务。
2023-05-19 cs.CL
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
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
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
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
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
What is Stigma Attributed to? A Theory-Grounded, Expert-Annotated Interview Corpus for Demystifying Mental-Health Stigma
National University of Singapore(新加坡国立大学)
本文构建了一个基于理论、专家标注的684名参与者访谈语料库,包含4,141个片段,用于精细检测心理健康污名,并通过基准实验揭示现有神经模型的挑战,以推动污名的计算检测与干预研究。
2025-06-01 cs.CL cs.CY cs.HC
A Study about Distribution and Acceptance of Conversational Agents for Mental Health in Germany: Keep the Human in the Loop?
Department of Computer Science(计算机科学系)
本研究通过定量调查普通大众与医疗专业人员,探讨了基于AI的对话智能体在德国心理健康领域的使用频率、接受度及在咨询、诊断和治疗中的适用性,发现技术与远程医疗经验提升接受度,且大众更倾向将其作为专业人员控制的同伴,强调人机协同的平衡。
2025-01-05 cs.AI cs.CY 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
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
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
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