天纪易岐王诩教授团队成果刊发IEEETCSVT面向多模态抑郁程度自动预测提出词典分解新框架
发布时间：2025 年 12 月
近日，国际权威期刊《IEEE Transactions on Circuits and Systems for Video Technology》（IEEE TCSVT，中科院一区TOP）正式见刊发表由哈尔滨工业大学博导（兼）、上海交通大学领航导师、上海中医药大学职业导师、中央民族大学哲学与宗教学院校外导师、天纪易岐（北京）科技有限公司内设天纪易岐人工智能研究院院长、中医数据实验室主任王诩教授担任通讯作者的学术论文Depression Scale Dictionary Decomposition Framework for Multimodal Automatic Depression Level Prediction。该研究围绕多模态心理情绪智能评估开展技术攻关，提出抑郁量表词典分解框架，为抑郁症智能化分级预测提供全新技术路径。
抑郁症已成为全球高发的精神心理问题，传统临床评估高度依赖医师问诊与量表填报，存在主观偏差、筛查效率有限等现实痛点。基于音视频的多模态抑郁自动预测技术，能够从语音、面部视频等客观信号挖掘抑郁相关特征，可辅助实现大规模心理风险初筛，但现有方法普遍面临特征语义耦合、抑郁相关信号辨识能力不足等难题。
针对上述技术瓶颈，论文提出抑郁量表词典分解框架，构建双向词典分解模块与双向多模态融合模块。该框架依托抑郁量表先验知识生成专用词典，从 token 与通道两个维度，对音频、视频序列开展语义解耦，区分抑郁相关与无关信息，强化模型对抑郁特征的感知能力，提升多模态条件下抑郁等级预测的精度与可解释性。在公开基准数据集上的系列实验验证，该框架相较现有主流算法具备明显性能优势，可为心理智能筛查系统提供底层算法支撑。
王诩教授表示，多模态精神心理智能评估是人工智能与临床医学交叉的重要方向，该研究重点解决多模态信号中抑郁特征有效提取的关键问题。后续天纪易岐团队将持续推进算法迭代，推动技术向临床辅助筛查场景落地，探索 AI 技术在精神心理健康早识别、早预警中的应用价值。
《IEEE Transactions on Circuits and Systems for Video Technology》是多媒体、音视频分析领域国际顶级期刊，收录计算机视觉、多模态信号处理方向高质量原创成果，在行业内具备较高学术影响力。
