案例一：基于可穿戴生理数据的抑郁症识别

期刊：Sensors（2025）

研究团队：清华大学心理学系、北京回龙观医院——国内顶尖精神科专科医院

核心贡献

使用汇心腕式设备采集58名临床确诊抑郁症患者与58名健康对照的心率、皮肤电、三轴加速度数据（日间6小时连续记录）

通过随机森林算法实现抑郁症识别，6小时数据分类准确率达90.0%，5分钟短时数据准确率亦达76.0%

动态特征（自回归系数）对分类贡献显著，优于静态特征

应用价值
为临床门诊快速筛查、真实场景抑郁状态监测提供了客观、低负担的新路径。

医学领域应用：从病理机制到真实世界数据驱动的临床研究

核心技术原理：多参数生理监测与疾病早期信号识别

研究表明，人体在压力、应激或疾病早期阶段，往往会在生理或行为层面表现出特异性的异常信号。我们的设备通过集成多种传感器，实现对心率、血氧、皮肤电、肢体活动等指标的连续监测，为早期疾病识别、病理机制研究与康复规律挖掘提供关键数据支撑。

心理学领域应用：从神经内分泌机制到真实情境情绪研究

核心技术原理：HPA轴与自主神经系统

人体的情绪与应激反应主要受下丘脑-垂体-肾上腺轴（HPA轴）与自主神经系统的协同调控。通过对外周生理指标——如心率、皮肤电反应、皮肤温度等的精准测量，能够捕获HPA轴与自主神经系统在不同情绪状态下的细微变化，从而实现对压力响应与情绪状态的可量化评估。