深度学习模型预测青少年抑郁风险
热点事件观察中
深度学习模型预测青少年抑郁风险
1 篇报道1 个报道来源最近报道：2026-10-16 02:00（原始精度未知）
先了解这件事
AI 综述
Han Lu与Qiang Luo等研究者发表一项结合脑成像与深度学习的研究，称对面部表情的视觉编码过度依赖先验预期，与青少年日后情绪症状升高相关。研究基于IMAGEN队列1332名19岁参与者的功能性磁共振成像数据，并对其中725人随访四年；样本主要为中高社会经济背景的白人。 研究者按视觉编码效率分组，发现低效组情绪症状更高，但两组差异较小，聚类方法单独诊断力有限。他们随后构建双通路神经网络，发现概念通路过度调控视觉通路时会把中性面孔误判为愤怒或悲伤，其内部编码与低效脑模式接近。该研究发表于《科学进展》。
AI 根据报道生成 · 6 天前更新
最新进展2026-10-16 02:00（原始精度未知）
深度学习模型将视觉扭曲与未来抑郁风险联系起来报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- PsyPost精选深度学习模型将视觉扭曲与未来抑郁风险联系起来
一项发表于《科学进展》的研究用深度学习模型分析脑成像数据，发现对面部表情的视觉编码过度依赖先验预期，与青少年日后情绪症状升高相关。研究者先分析IMAGEN队列1332名19岁参与者的fMRI数据，按视觉编码效率分组，低效组情绪症状更高；再构建双通路神经网络，发现概念通路过度调控视觉通路时会把中性面孔误判为愤怒或悲伤，其内部编码与低效脑模式接近。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 2010月16日 03:00
- 近 24 小时变化
- -18%
05101520
10月18日10月20日10月22日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。