Depression-Detection-Twitter:使用python ml库构建的抑郁检测模块，可检测推文中的抑郁

心理健康和社交媒体一直是密切相关的研究领域。 在这项研究中，提出了一种新模型 AD 预测模型，用于实时推文中的焦虑抑郁预测。 这种混合性焦虑抑郁症主要与不稳定的思维过程、烦躁和失眠有关。 基于语言提示和用户发布模式，使用 5 元组向量定义特征集。

筛选量表：医院焦虑抑郁(HAD)评分表.pdf

Matlab Hill代码可塑性模型 突触促进模型，抑郁症 我根据[1]中描述的方程式创建了一个用于突触促进和突触抑制的机械模型。 这是由我在华盛顿大学的Neusci 301（细胞和分子神经科学导论）中进行的实验所启发的。 在这些实验中，研究了小龙虾浅屈肌及其相关神经支配的突触传递。 我们从神经中的突触前细胞和肌肉中的突触后细胞记录下来。 我们能够以各种频率刺激神经并记录肌肉中的EPSP，从而使我们能够研究高频刺激对突触强度和突触可塑性的影响。 我们观察到较高频率刺激的混合可塑性（促进和抑郁同时发生），这启发了我以计算方式探索这些现象背后的机制，并探索了是否可以对混合可塑性进行建模。 我们的几个实验文件都包含在此处。 背景 大脑中的交流发生在突触，即神经元之间的微小间隙。 在这些突触中，神经递质从突触前的末端释放到囊泡（小包）中的突触后结构。 神经递质介导突触后神经元的电React。 突触活动通常会导致突触强度发生变化（突触前细胞在引起突触后细胞中产生电响应方面的成功程度。）这种现象称为突触可塑性。 突触可塑性可以是长期的或短期的。 短期突触可塑性有几种形式。 一种是突触促进，一种突触

Depression_Dataset 从Kaggle.com探索抑郁数据集

三位一体的项目 音乐，香气和视觉色彩显示在抑郁症上的综合疗法

#资源达人分享计划#

基于数据挖掘的针刺治疗抑郁症腧穴配伍规律研究.pdf

论文 根据文字识别抑郁 该项目的目的是创建一个工具，该工具可以使用他们产生的文本来帮助识别患有临床抑郁症的人。 已经观察到，在文字制作中存在某些特定于抑郁症患者的线索（） 动机 据称，自杀的人中约有50-70％患有临床抑郁症（ ）。 严重的抑郁症会影响成年人，青少年和儿童，并且经常得不到诊断和治疗。 由于社会上关于精神障碍的污名很多，因此人们通常很难向他们的朋友和家人承认他们可能会感到沮丧。 取而代之的是，许多人转向Internet，因为它同时提供匿名性和遭受类似问题的其他人的支持。 鉴于各自的原因，可以假设有大量可用数据可以进行分析并用于机器学习目的。 主意 这个想法是从专门针对抑郁症的各种论坛中收集数据，并训练一个神经网络，该网络将能够识别出受临床抑郁症影响的人们产生的文本。 数据 一些值得信赖的数据已经可用：来自英国抑郁症论坛的数据是由Pennebaker等人（2008年）收集的。

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使这项工作易于访问和复制，因此对这种分析进行了详细说明。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件