2023年多动症干预新进展——从人工智能到虚拟现实
本篇文章向大家介绍《2023年多动症干预新进展——从人工智能到虚拟现实》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。
大家好,我是涛哥,一个致力于研究ADHD的研究者(关于涛哥如何应对ADHD的方法,将在两年后毕业时分享)
随着科技的发展迅猛,对于多动症(ADHD)的干预方法也在不断进步
今天,我们来探讨2023年发布的三篇关于ADHD干预的最新研究,看看科技如何帮助我们更好地理解和治疗ADHD。
ADHD 干预中人工智能的运用
先来看看由M. Sibley等人进行的研究[1]。
这项研究开发了一种基于人工智能和数字技术的社区实施模型,用于青少年ADHD的行为治疗。
这种新模型的特点包括利用AI进行干预完整性监控和反馈,以及数字化资源(如手册、工作表、提示和视频)。
项目的主要特点包括:
任务转移监督:将监督责任从专家转移到机构主管。
定期技术援助:每两周提供一次,旨在支持培训和实施
AI监控和反馈:用于确保MI的完整性并提供反馈的人工智能技术
人工智能生成内容的保真度指标:用于评估项目内容的准确性和效果
数字化资源:在临床医生的仪表板上提供手册、工作表、提示和视频等资源。
反馈的可视化显示:使用徽章和图表来展示反馈。
增加建立融洽关系的会议:在手动内容之前进行。
初步结果表明,社区基础上实施这种模型是可行的,并且得到了机构的接受和参与
启示:这项研究它提供了一种新的、以技术为支持的方法来实施ADHD干预措施。这种方法可能提高干预的效率,同时减少对专家资源的依赖。
二、融合教育下ADHD儿童的注意力问题
该研究的主要目的是基于在融合教育环境下被识别出的ADHD学生的注意力不集中行为,研发一种干预程序
研究使用了案例研究方法。研究者采用了清单和访谈来进行研究。在四个融合教育项目中,只有三名参与者展示了注意力不集中的行为。研究发现,这三个案例在以下方面具有相似的特征:
缺乏细节注意力:在学校任务或其他活动中未能充分关注细节或表现出疏忽
注意力集中困难:无论是在完成作业还是进行游戏活动时,都很难集中注意力
无法遵循指示:不按照指示完成作业,无法完成家庭作业、任务或工作场所的责任。
保持重要事物的困难是:案例1和案例3在保持任务或活动所需的重要事物方面都遇到了困难
易受外界刺激分心:案例2和案例3在这方面表现相同。 重写后的内容:容易受到外界刺激而分散注意力:案例2和案例3在这方面表现出相似的情况
研究建议融合教育项目加强其干预程序,并与ADHD学生的父母合作,持续进行相关活动。
启示:研究强调了在融合教育环境中识别和应对ADHD儿童注意力不集中行为以及为这些学生提供适当支持重要性,并为开发针对这些儿童的有效干预措施提供了基础。
三、虚拟现实对注意力缺陷多动障碍(ADHD)患者的处理速度和工作记忆的影响
最后,我们来看看Filipa Cunha等人的研究[3]。
这项研究评估了一种基于虚拟现实的干预对ADHD症状学生处理速度和工作记忆的影响。
共有25名成年参与者,参与者被分为两组:一组是被动控制组,另一组是干预组,后者完成了10次使用Enhance VR应用中的基于虚拟现实的游戏的干预。
结果显示,经过虚拟现实认知训练的组别在处理速度上有所提升,虽然工作记忆方面的改善不明显,但这为未来更长期的干预提供了可能性。
启示:虚拟现实提供了一种有趣且互动性强的方式来进行认知训练,可能更容易吸引ADHD个体的注意力和参与度。
需要进行再次总结
通过这些研究,我们可以看到,从人工智能到虚拟现实,科技在ADHD的治疗和干预中扮演着越来越重要的角色。
这些进展不仅为我们提供了新的治疗方法,而且也为ADHD的研究和理解开辟了新的道路
家长和成年ADHD患者们,一定要保持信心。涛哥19年被确诊为成年ADHD后,明显感受到这几年社会对ADHD的认知和接纳度越来越高,支持资源也越来越充足
未来,ADHD一定会越来越好,很多家长焦虑ADHD孩子没有未来,生存不下去去,这是不可能的。
最后,期望每位ADHDer最终都能过上幸福的生活。

全文完!
请参阅参考文献(点击滑动查看)
1. Sibley, M. H., Bickman, L., Atkins, D., Tanana, M., Coxe, S., Ortiz, M., ... & Page, T. F. (2023). 在社区诊所开发ADHD干预的实施模型:利用人工智能和数字技术。《认知与行为实践》
2.de los Reyes E R. Inattentive Behavior of Children with ADHD under Inclusive Education Program: Basis for Intervention Program[J]. Int. J. of Membrane Science and Technology, 2023
3. Cunha, F., Campos, S., Simões-Silva, V., Brugada-Ramentol, V., Sá-Moura, B., Jalali, H., ... & Trigueiro, M. J. (2023). 一项关于ADHD患者的虚拟现实干预对处理速度和工作记忆的影响的前瞻性研究. 虚拟现实前沿, 4, 1108060.

好了,本文到此结束,带大家了解了《2023年多动症干预新进展——从人工智能到虚拟现实》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!
文生视频在硅谷AI赛道脱颖而出,探索无限想象空间
- 上一篇
- 文生视频在硅谷AI赛道脱颖而出,探索无限想象空间
- 下一篇
- 华为华南区域首家服务旗舰店揭幕:智能机器人助工程师自动获取零件
-
- 科技周边 · 人工智能 | 4小时前 |
- AI Agent工具调用设置超时与幂等键的执行边界
- 305浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- LLM结构化输出用JSON Schema约束字段缺失的处理方案
- 364浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 |
- 向量数据库先做元数据过滤再向量召回的实现方法
- 467浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | API · 人工智能 · 多模态输入 图片尺寸 Vision input 输入成本
- 多模态输入控制图片尺寸与输入成本的实现方法
- 487浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 |
- 安全过滤把拒答与业务失败分开记录的实现方法
- 310浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 | 缓存 · API · 人工智能 · Prompt Caching prompt_cache_key cached_tokens
- Prompt cache拆分稳定前缀与动态变量的实现方法
- 199浏览 收藏
-
- 科技周边 · 人工智能 | 16小时前 | 人工智能 · 回归测试 评测集 LLM evaluation 失败类型
- 评测集按失败类型切分评测集的实现方法
- 173浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 137次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 203次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 147次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 127次使用
-
- CMMLU
- 深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
- 115次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

