全局-局部特征融合驱动的抑郁症筛查方法研究

来源：电子与信息学报杂志2026年第1期北京时间：

作者：张嗣勇, 邱杰凡, 赵祥云, 肖克江, 陈晓甫, 毛科技

单位：1.浙江工业大学计算机科学与技术学院 杭州 3100232.华中师范大学人工智能教育学部 武汉 4300793.浙工大-爱食光新质膳食营养研究院 杭州 310023

摘要：目前，基于机器视觉的抑郁症识别筛查的方法往往忽略脸部的局部特征，在实际应用中一旦脸部被部分遮挡，会严重影响筛查的准确性，甚至无法进行有效筛查。为此，该文提出一种边缘视觉的抑郁症筛查方法，该方法通过构建一个全局-局部融合注意力网络同步识别被筛查对象的面部表情和眼部局部特征。为了提高对眼部局部特征的提取能力，该文在网络中引入卷积注意力模块，强化对眼动轨迹特征的捕捉能力。实验结果表明，该方法在抑郁症识别上表现优异，在自建数据集上(包含脸部遮挡情况)的精确率、召回率、F1分数分别达0.76, 0.78和0.77，较最新方法召回率提升10.76%，在AVEC2013和AVEC2014数据集上，平均绝对误差(MAE)分别低至5.74和5.79，较最新方法提升3.53%和1.2%。此外，通过可视化分析直观展现了模型对面部不同区域的关注度，进一步验证了方法的有效性和合理性。该方法部署于边缘设备后，单帧平均处理时延不超过56.14ms，为抑郁症筛查提供了新方案。

关键词：抑郁症筛查, 短序窗口划分, 全局-局部特征融合, 人脸图像, 边缘视觉

基金资助：国家自然科学基金(62173158, 62377023)，浙江工业大学校企联合项目(KYY-HX-20240328)