反芻思考模式的動態神經網路：時序解碼分析;Dynamic Neural Networks of Ruminative Thoughts: a Temporal Decoding Analysis

NCU Institutional Repository > 生醫理工學院 > 認知與神經科學研究所 > 研究計畫 > Item 987654321/99037

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/99037

題名:	反芻思考模式的動態神經網路：時序解碼分析;Dynamic Neural Networks of Ruminative Thoughts: a Temporal Decoding Analysis
作者:	徐慈妤;李信謙
貢獻者:	國立中央大學認知神經科學研究所
關鍵詞:	反芻性思考;自然思考;靜息狀態網絡;腦電波;時間序列多變量模式分析;深度學習;ruminative thought;naturalistic thought patterns;default mode network;EEG;temporal generalization of MVPA;deep learning-based decoding
日期:	2026-01-22
上傳時間:	2026-01-23 16:29:29 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	這項研究透過創新的多模態解碼方法，結合腦電圖（EEG), 深度學習(deep learning)與大型語言模型（LLM），為理解和偵測憂鬱症患者的反芻思考開創新途徑。其主要貢獻包括：首先，研究建立了反芻性思考的神經和語言特徵標記，通過整合神經生理數據和語言分析，提供了更全面的反芻性思考解碼方法。其次，並即時追蹤反芻性思考的動態轉變，有助於了解人們如何進入、維持和退出反芻性思考狀態，使研究發現更貼近現實生活情境。在臨床應用方面，這項研究的重大突破在於開發出客觀的神經語言指標，可用於早期識別高風險個體。這對現行憂鬱症診斷往往落後於症狀發生數月甚至數年的情況，提供了重要的改善方案。研究成果不僅有助於預防性介入，還可作為監測治療效果和預測臨床結果的客觀指標。這項跨領域研究結合了基礎神經科學、計算語言學和臨床實踐，在推進憂鬱症神經機制的同時，也增強了臨床實務的診斷和預防能力。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[認知與神經科學研究所 ] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	3	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....