江 筱 邵珠宏，3* 尚媛园，2 丁 辉，2

1(首都师范大学信息工程学院 北京 100048)2(北京成像技术高精尖创新中心 北京 100048)3(电子系统可靠性技术北京市重点实验室 北京 100048)

0 引 言

抑郁症是世界范围内最常见的精神疾病之一，其主要特点是情绪低落持续时间长，严重影响个人的日常生活和工作。据报道，重度抑郁症(MDD)是导致残疾的主要原因[1]。根据世界卫生组织(WHO)的一项调查，抑郁症是全球第四大致残原因，并将在2020年成为头号致残原因[2]。

目前，对抑郁症的筛查和诊断主要是根据患者在临床访谈中的自我报告。在临床访谈中，由一名经过专门培训且经验丰富的精神卫生专业人员利用《精神障碍诊断与统计手册》(DSM-IV)中规定的标准[3]，来评估患者是否患有抑郁症以及严重程度。除此之外，临床实践中的贝克抑郁量表(Beck Depression Inventory，BDI)[4]等自我报告量表也可作为诊断依据。贝克抑郁症量表中包含21个问题，每一个答案的分值为0～3，总分数范围为0～63。根据BDI-II[4]，总分小于13分为“无”抑郁，14～19分为“轻度”抑郁，20～28分为“中度”抑郁，总分大于29分为“重度”抑郁。

研究表明，在人类的非语言行为中，人脸面部区域表情包含了大部分信息[5]，利用人脸面部信息进行临床心理健康分析的研究引起了广泛关注[7]。随着情感感知和深度学习等技术的进步[6]，用计算机辅助抑郁症自动识别将有利于客观的诊断。

音频/视觉情感挑战(AVEC2013)[8]和AVEC2014[9]的抑郁症识别竞赛关注的是对抑郁症自动预测方法的研究，预测患者贝克抑郁症量表II(BDI-II)分值。

在AVEC2013抑郁症识别中，首先对人脸图像做检测与对齐的预处理，然后提取局部相位量化(LPQ)特征，最后采用支持向量回归(SVR)来预测抑郁得分。……