基于Conformal Prediction的抑郁症预测方法研究 背景介绍 抑郁症是一种常见的心理障碍，表现为持续的悲伤、衰弱以及对活动失去兴趣。它不仅增加了自杀的风险，还给患者及其家庭带来了巨大的心理负担。目前，抑郁症的诊断主要依赖于心理健康报告，如Beck抑郁量表（BDI-II）、Hamilton抑郁评定量表（HRSD）和患者健康问卷（PHQ-8）。然而，这些诊断方法依赖于临床医生的主观经验和患者的认知能力，耗时且效率低下。 近年来，随着深度学习技术的快速发展，基于深度学习的抑郁症预测方法显示出巨大的潜力。然而，这些深度模型通常作为“黑箱”模型部署，缺乏可信度，无法提供预测的置信度。对于抑郁症预测这样的高风险临床应用，不确定性量化在决策过程中至关重要。为此，本研究提出了基于Conform...

机器人监控行为对老年人注意力分散及技术接受度的影响研究 学术背景 随着社会老龄化问题的加剧，老年护理的需求日益增长。特别是在新冠疫情期间，老年人因社交隔离而面临的心理和生理健康问题更加突出。社交机器人（Social Robots）作为一种新兴技术，被认为可以在老年护理中发挥重要作用，尤其是在监测老年人的健康和安全方面。然而，机器人的存在及其行为可能会干扰老年人的日常活动，导致不适甚至排斥。因此，研究机器人行为对老年人注意力分散的影响，以及老年人对机器人技术的接受度，具有重要意义。 本研究旨在探讨机器人在执行监控任务时，其行为对老年人参与日常活动的影响，特别是不同认知负荷任务下老年人对机器人行为的反应。通过主观和客观指标，研究人员试图评估老年人对机器人的参与度及其对自身任务的脱离程度，并进一步...

自闭症儿童情绪刺激下的功能性脑连接研究 背景介绍 自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种复杂的神经发育障碍，主要表现为社交互动和沟通能力的缺陷，以及重复性行为和兴趣的局限。ASD的核心特征之一是情绪处理障碍，这直接影响患者的社交能力和生活质量。尽管ASD的研究已有多年历史，但其神经机制仍未被完全理解，尤其是在情绪处理方面的脑功能连接模式。功能性脑连接分析是研究ASD神经机制的重要手段，而脑电图（Electroencephalography, EEG）作为一种非侵入性技术，能够实时记录大脑的电活动，是研究脑功能连接的有力工具。 然而，现有的EEG研究大多集中在自发脑活动上，较少涉及情绪刺激下的脑功能连接。因此，探索ASD儿童在情绪刺激下的脑功能连接差...

学术背景 在人类社交互动中，目光（gaze）是传递信息的重要方式之一。研究表明，人类的目光能够影响他人的注意力、认知，甚至偏好。例如，当一个人注视某个物体时，观察者会倾向于认为该物体对注视者具有吸引力，进而影响观察者自身的偏好形成。然而，随着机器人技术的快速发展，机器人也逐渐具备了类似人类的目光行为。那么，机器人的目光是否能够像人类目光一样影响他人的偏好？这一问题不仅涉及人类对机器人行为的认知，还关系到未来人机互动（human-robot interaction, HRI）的设计与优化。 此外，心智理论（Theory of Mind, ToM）是理解他人心理状态的核心能力，包括推断他人的意图、信念和情感。ToM在人类社交互动中扮演着重要角色，但其在机器人目光效应中的作用尚未被充分研究。因此，...

基于多尺度双曲对比学习的跨被试脑电情绪识别研究 学术背景 脑电图（Electroencephalography, EEG）作为一种生理信号，在情感计算（Affective Computing）领域中具有重要应用。与传统的非生理线索（如面部表情或语音）相比，EEG信号具有更高的时间分辨率和客观性，能够更可靠地反映人类的情感状态。然而，EEG信号存在显著的个体差异，这使得跨被试（Cross-Subject）情绪识别成为一个具有挑战性的任务。不同个体的EEG信号受年龄、心理状态、认知特征等多种因素影响，导致预训练模型在新被试上的泛化能力较差。 为了应对这一挑战，研究者们提出了多种方法，包括基于时频域特征的分析、深度学习模型以及迁移学习等。然而，这些方法往往难以在减少被试间差异的同时保留情感特征的区...