热点事件持续更新
研究利用NLP与语音分析构建双相情感障碍分类模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月1日，《JMIR 数字健康期刊》发表了一项基于自然语言处理与语音分析的观察性研究，旨在利用机器学习模型辅助双相情感障碍的诊断及不同心境状态分类。该研究分析了61名双相情感障碍患者与99名健康对照者的数据，基于openSMILE 3.0工具提取了6373个声学特征以及211个语言特征，并采用LASSO逻辑回归方法进行建模。研究结果显示，部分特征在患者的心境稳定期仍可被检出，但该模型在区分抑郁状态与稳定状态以及持续监测心境变化方面仍存在一定局限。
AI 根据报道生成 · 3 小时前更新
最新进展11月1日 23:00
研究团队利用NLP与语音特征开发出分类模型，但在区分抑郁与稳定状态上仍有局限。报道时间线
沿着报道，了解事件的不同侧面。
11月1日
- JMIR 数字健康期刊基于自然语言处理与语音分析的跨心境状态双相情感障碍机器学习分类：观察性研究
一项观察性研究利用自然语言处理与语音分析开发机器学习模型，用于双相情感障碍诊断及不同心境状态分类。研究分析 61 名患者与 99 名健康对照数据，提取 6373 个声学特征（openSMILE 3.0）和 211 个语言特征并以 LASSO 逻辑回归建模。部分特征在心境稳定期仍可检出，但在区分抑郁与稳定状态及监测心境变化上仍有局限。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 00:00）·近 24 小时可比范围变化 –
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。