妇女节特刊 | 上海交大吴梦玥:用言语智能技术,为精神疾病开出第一张诊疗单

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

从孩童的咿呀学语,到青年时期聊不完的少年心事,进而人到中年,耳边既有父母长辈的叮咛关切,也有生活压力一刻不停的催促……细细回想,人生每个阶段的经历与回忆都萦绕着不同的声音,夏日的蝉鸣与篮球场上的聒噪是青春,傍晚的叹息与手机消息的提示音是成长。正如人们哪怕紧紧捂住耳朵或戴上降噪耳机也无法完全关停听觉一样,声音,无处不在。

从物理学的角度来看,声音是由物体振动产生的声波,能够通过空气介质传播,所以,只有在完全真空的环境才能够隔绝声音。从另一个角度来看,作为语言的载体,声音不仅是交流的重要媒介,同时也是情绪外化的出口。而随着 AI 的蓬勃发展,分析技术与相关能力日益强大,原本缥缈于空气中的声波也变成了可供研究的数据,甚至能够反映出人体的健康状况。

近年来,基于语音的疾病检测技术已经开始在呼吸科、心内科、肠胃科等领域崭露头角。相较而言,音频在精神疾病诊疗上的应用则是半忧半喜:忧的是相关音频数据严重匮乏(主要由精神疾病的高度隐私性导致);喜的则是基于音频的线上病情诊断,可以在初诊阶段帮助患者缓解病耻感,尽快判别是否患病。

中国科学院院士陆林在一次采访中曾提到,截止 2021 年底,全国数据库里登记在册的重性精神障碍患者有 660 万,其中接受治疗的人数不超过 20%。大力拓展推广基于音频分析的诊断方式,对于解决精神疾病的低就诊率具有重要意义。

上海交通大学计算机系副教授,博士生导师吴梦玥课题组,就曾发布了面向精神疾病诊疗的言语智能模型,基于大语言模型模拟了医生与患者的不同角色,并在人类精神疾病诊断医生的共同参与下,构建了全世界第一个符合临床标准的开源抑郁症问诊对话数据集。

在这里插入图片描述

吴梦玥 上海交通大学计算机系副教授,博士生导师

恰值「国际妇女节」来临,HyperAI超神经有幸与吴梦玥老师进行了一次深度访谈,进一步了解到了声音的魅力及其与 AI 产生的奇妙反应,同时也看到了一位坚定、洒脱的女性,是如何从兴趣出发,并逐步在专业领域有所建树的。

兴之所至,坚持做可落地的研究

每个人的声道、口腔、鼻腔等都存在细微差别,因此人的声纹与指纹、人脸一样具有差异性。吴梦玥自小便对人与人说话方式的独特性非常感兴趣,日常生活中的「闻声识人」可以说是带领她走进音频世界的云梯。

本科时期,对声音高度敏感并饶有兴趣的吴梦玥,在北京师范大学研究心理声学,期间她在技术层面认知到了用物理声学特征来解释声音差别的重要性,并在毕设阶段选择了用计算建模的方式分析声学数据。

在这里插入图片描述

吴梦玥在大学期间赴陕西支教

如果说本科阶段在心理声学领域展开音频分析研究的早期尝试,是在吴梦玥心里埋下了一颗种子,那么博士期间近距离接触到的两个相关研究项目,便是一剂催化剂。

读博期间,她一位进行精神分裂患者语音分析研究的同学,在田野调查期间接触了大量患有精神分裂的街头流浪汉,另一位室友则在临床心理学博士毕业后,进入墨尔本监狱为犯人进行精神疾病评估,以解释其相关的犯罪行为是否受精神疾病影响。

这两位同学的经历给吴梦玥带来了深刻的启发和影响,回国后,她便开始围绕精神疾病诊疗进行更加深入的研究。

她表示,在语音学领域,语音和语言其实都是人类大脑功能的外化表现,所以,无论是情绪障碍还是认知功能障碍,最终都会在语音和语言的表达上留下线索,换言之,在音频中能够找到相关的生物标记物,对精神障碍或情感障碍人群进行有效、便捷地筛查。

在这里插入图片描述

吴梦玥与团队师生参加 Interspeech 2023 会议

从某种意义上讲,在人们踌躇不决是否就诊、如何就诊时,音频分析能够成为精神疾病诊断中的第一张检查单,并在一定程度上弱化患者病耻感。

一直以来,吴梦玥心中所坚守的就是「要做落地的研究」,博士毕业后,吴梦玥收到了 AI 语音识别公司 Nuance Communications 的邀请,试图在产业端从事座舱人机交互方面的技术研究和落地。后来在与上海交大计算机科学与工程系教授俞凯的一次对话中,她通过俞凯教授的经历,也看到了高校内的科研优势与成果转化新思路,进而从业界回归学术界。

吴梦玥坦言,无论是在高校还是在工业界,「要做落地的研究」的初心从未改变。疫情期间,其研究团队就从现实需求出发,开发了一个实用的抑郁症问诊小程序,学生能够直接使用。

丰富音频分析,攻克数据不足问题

回到高校后,吴梦玥仍然选择了音频分析的研究方向,并将更多 AI 技术融入其中。目前,其课题组的主要研究方向是丰富音频分析 (Rich Audio Analysis),通俗来讲就是除了语音识别之外的所有音频处理。

吴梦玥介绍道,声音可以分为三个层次,其一是人说了什么话,这便是语音识别的研究重点;其二是人怎么说话,即同样一句话会有多种不同的表达方式,其背后蕴含了不同的含义,而这恰恰能够用来检测一个人的精神状态或认知功能;其三是对环境音频的理解,这也是让机器在音频理解方面更像人类的关键。以上便构成了丰富的音频分析,其中语音识别目前已经相对成熟了,所以她的研究重点就放在了后两者上。

目前,吴梦玥的课题组共有二十余个学生,围绕这两个方向开展相关研究——计算精神病学与音频理解中的病理语音研究。

在这里插入图片描述

课题组研究成果

具象到应用场景,例如在驾驶环境中,语音识别是指交互系统被动识别指令、执行相应的控制。如果能做到主动交互,就可以根据驾驶人说话的语气来判断他的情绪或是疲劳情况,进而通过车内灯光或音效来调节情绪,同时,当机器感知到用户语气不佳时,也能够同步调整回复指令时的策略和思路。

再比如,疫情期间通过利用拾音器来收集开关门的环境音,分析判断离家/居家状态,跟传统摄像头监控来比,这一方法更有助于保障人员隐私安全。

固有印象中,声音数据应该是样本量极大且极为丰富的,但其实在细化到疾病诊疗、尤其是精神疾病领域的时候,数据却成为了一大挑战。一方面,医患隐私关系与患者的病耻感导致心理咨询的对话音频极难获取;另一方面,部分医院或医生可能会以对话的形式进行问诊记录,但是并没有形成规范性数据,音频质量往往不高,加之隐私保护,往往无法对外分享。

为此,吴梦玥带领研究团队构建了全球第一个符合临床标准的开源抑郁症问诊对话数据集。首先是通过在精神卫生中心与医生和患者进行长时间的深度沟通,沉淀问诊流程与对话要点,进而将相关内容整理成决策树结构的对话流程,并与专业医生共同反复推敲调整。其次还通过角色扮演的形式,进行了医患对话的模拟,最终请专业医生对所获得的数据进行筛选,得到了更加接近临床问诊的数据,从而形成了这一开源数据集。

数据集链接:https://x-lance.github.io/D4/

与其他从事 AI for Science 研究的学者类似,心理学与计算机交叉学科的背景,使得吴梦玥在推进 AI 赋能精神疾病诊疗的过程中,既能够切中当下患者的实际痛点,也能够在研究遇到挑战时以仿真数据的形式灵活地调整研究策略。交叉学科背景往往能够更富有创造性地为科研领域带来创新突破。

在这里插入图片描述

吴梦玥出席 CHINC 2022 会议并发表演讲

兴趣驱使 ,亦能大有作为

在与吴梦玥的访谈中,笔者数次听到了「兴趣」二字——专注音频研究是从兴趣出发;对精神疾病诊断的相关研究感兴趣;转向计算机系并不是追赶潮流,而是自身感兴趣;对课题组学生的考量也是希望兴趣优先……

不可否认,无论是严谨的学术研究或是快节奏的职场工作,「兴趣」都是一块养分更加充足土壤,播种于幼年,向上生长的驱动力也更加强劲。吴梦玥老师立足兴趣的同时,虽然「佛系」却并不懈怠,无论是在论文发表频次上的科研积累,还是产研融合上的落地应用,都是她践行「做可落地研究」的有力证明。

在这里插入图片描述

近些年来,越来越多的女性力量开始活跃于科技、科研领域,带来了惊艳世人的革命性创新,联合国妇女署也将今年的国际妇女节主题定为「投资于妇女:加速进步」,在一定程度上彰显了女性在社会进程中的重要作用。

虽然笔者并不愿过多着墨于强调两性差异,但在真实的社会环境中,压力确实存在。不过正如吴梦玥所言,「要以快乐为主,从兴趣出发」。尤其是在外界并没有给予女性过高期待时,其实也意味着没有过多限制,或许反而提供了积蓄力量、择机爆发的成长空间。

最后,在这个特殊的节日里,祝所有女性都能够像吴梦玥老师一样,成长于兴趣,自信地汲取养分,绽放更精彩洒脱的人生!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1334

AI 写的测试测的是它自己:断言锁死输出,功能改错它也测不出来

AI 生成的测试跑得勤、全绿、上线前不报错,但三个月后维护时发现它已经"测的是自己"——断言用实现逻辑生成期望值,功能改错了测试还是绿的。这篇用一组沙箱演练量"可测性":同一个实现、同一批订单、两版测试(AI 风格·字面量锁死 vs 人写规范·业务谓词),走三组对照。结论反直觉:需求不变时两版测试都绿;需求一演进,A 版测试先误报(锁死输入结构,代码没 bug 却红),"修"完就变成测自己,之后功能改错它照样绿;B 版测试不误报、改错就红。跑得绿不等于测得住。

四六的六专栏 272

别再死记硬背了!用Python可视化带你直观理解柯西收敛定理(附NumPy代码)

本文通过Python可视化技术,结合NumPy和Matplotlib,直观展示柯西收敛定理的动态过程。文章提供了完整的代码实现,帮助读者从抽象数学定义过渡到具象理解,特别适合数学学习者和Python开发者。通过热力图和交互式参数探索,读者可以清晰观察数列收敛特性,提升数学分析的学习效率。

weixin_28465009的博客 187

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 362

esp32 python开发环境搭建_eclipse esp32开发环境搭建

安装方法基本是按照官网提供的方法来操作https://github.com/espressif/idf-eclipse-plugin#GettingStarted但是官网的方法安装之后还是不能编译成功的,第一次编译会出现一下问题问题1:Building in: E:\eclipse-workspace\helloworlk\buildcmake -G Ninja -DCMAKE_TOOLCHAIN...

weixin_39978276的博客 1264

(王道408考研数据结构)第二章线性表-第一节:线性表的定义和基本操作

文章目录一:线性表的定义二:线性表的基本操作 一:线性表的定义 线性表(Linear List):零个或多个数据元素的有限序列 元素之间是有顺序的 若元素存在多个,则第一个元素无前驱,最后一个元素无后继,其他元素都有且只有一个前驱和后继 线性表强调有限,“所有的整数按递增次序排列”很明显不是线性表 线性表可以表示为 L=(a1,a1,...,ai+1,...,an)L=(a_{1},a_{1},...,a_{i+1},...,a_{n})L=(a1​,a1​,...,ai+1​,...,an​) a

快乐江湖的博客 3706

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 303

基于YOLOv8的植物生长阶段识别系统设计与实现

本文详细介绍了一个基于YOLOv8深度学习模型的植物生长阶段识别系统,包含完整的数据集构建、模型训练、评估以及基于PyQt5的用户界面开发过程。系统能够自动识别植物在不同生长阶段(如发芽期、生长期、开花期、结果期等)的形态特征,为精准农业和智能种植提供技术支持。文章提供了完整的代码实现,并讨论了模型优化策略和实际应用场景。关键词:植物生长阶段识别、YOLOv8、目标检测、PyQt5、深度学习。

YOLO 468

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 624

使用 Simulink 和 Simscape Electrical 工具箱设计一个 Buck 转换器系统

Buck 转换器(降压转换器)是一种常用的 DC-DC 转换器,用于将较高的输入电压转换为较低的输出电压。为了评估其抗干扰能力,我们可以在模型中引入不同的干扰源,并观察系统的响应情况。电网电压波动:输入电压的变化。负载突变:负载电阻或电感的变化。电磁干扰:高频噪声或脉冲干扰。通过模拟这些干扰,我们可以分析系统的动态响应特性,并采取相应的措施来提高系统的抗干扰能力。

xiaoheshang_123的博客 379

170、电机控制中的温升测试

本文以一次IGBT炸管事故为切入点,深入剖析电机控制中温升测试的实质:不仅是温度测量,更是对铜损、铁损、散热效率等热管理问题的系统验证。作者强调测试前热电偶布置、环境记录、预运行的重要性,提出实时监控电流谐波、绕组电阻、散热梯度等关键参数,并通过损耗分离与冷却系统实测,揭示真实热源。结合温升曲线异常分析与经验建议,强调留余量、仿真结合实测、关注瞬态工况等实践要点,警示温升测试是保障可靠性与安全性的核心环节。

2401_88858637的博客 52

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 215

大唐杯5G考前冲刺篇(回顾全文重点必看)

大唐杯习题复习指南

nimo观察者 1万+

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 348

车间数据孤岛终于破了!C#上位机+MQTT打通产线与MES,数据延迟从小时级降到秒级

本文针对工业上位机开发中常见的车间数据与企业管理系统(MES)割裂问题,提出基于C#和MQTT协议的完整解决方案。通过EMQX MQTT Broker实现数据实时双向传输,将质量追溯时间从2小时缩短至10秒,生产计划自动下发,实现秒级数据延迟。方案采用分层解耦架构,支持设备更换和系统升级,核心优势包括低延迟、高可靠性和易扩展性。文章详细介绍了MQTT协议选型理由、整体架构设计、技术选型(EMQX Broker和MqttNet客户端),并提供了C#实现代码和部署流程。该方案已在实际产线验证,可有效解决&quo

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 484

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

多模态试驾预约Agent实战案例

本章将实现一个完整的多模态试驾预约Agent应用系统,该系统实现了从多模态输入解析到试驾全流程(预约、调度、调整、信息查询)的闭环处理,适用于汽车试驾预约的智能化服务场景。系 统 概 述该项目“多模态试驾预约Agent”是一个集成多模态交互与试驾全流程管理的系统,主要功能概述如下。1. 多模态输入处理支持文本、语音、图片三种输入方式的解析与处理。(1)文本输入:识别用户意图(如“试驾预约”“价格查询”等),并提供针对性操作建议。

夏天又到了的专栏 293

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 365

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 90

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 164

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 521

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 627

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

413

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 404

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5193

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 585

明确边界:在AI工程实践中重构自我定位

分析在AI应用的过程中,人应该如何参与进去:通过AI去解决人无法分析的问题,但是这个过程中又需要人去判断,比如安全的边界和决策。从开始无法理解这种情景下存在的一定矛盾性,到通过不断实践后确定自己在整个过程的位置,达到能够更有针对性的补充知识体系的目的。

CC_77123的博客 167
上一篇: HyperAI超神经 x DT新材料丨AI技术在化学与材料科学科研中应用研讨会开启报名
下一篇: 部署到 Adreno™ GPU
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值