卸下微笑的面具，听见真实的心声——溯心察郁团队用多模态AI探索心理健康辅助筛查新路径

  近年来，大学生心理健康问题持续受到社会、高校和家庭关注。部分个体在日常学习、社交和竞赛压力中仍保持积极表达，习惯以微笑、幽默和忙碌回应外界关切，却可能在内心长期承受压抑、疲惫与情绪波动。对这类“看起来正常”的隐匿风险，单纯依赖自我陈述、问卷量表或单一表情观察，往往难以及时捕捉外显状态与真实情绪之间的背离。

  针对这一现实痛点，南昌大学“溯心察郁”项目团队聚焦“微笑抑郁”场景，研发多模态情感冲突数字化筛查系统。项目以“卸下微笑的面具，听见真实的心声”为核心理念，融合面部表情识别、语音情绪分析和情感冲突指数（CI）计算，尝试为高校心理健康筛查、心理科普教育和医师辅助研判提供一条更具可解释性的技术路径。

  一、聚焦隐匿风险，回应心理健康现实需求

  “微笑抑郁”并非简单的情绪低落外显，而是一种更难被发现的情绪伪装状态。个体可能在课堂、社团、家庭和朋友圈中维持稳定表现，甚至主动呈现乐观、开朗的一面，但内在情绪却持续处于消耗状态。团队认为，心理健康辅助筛查不能只关注“是否在笑”，更应关注“笑容与声音、状态之间是否一致”。

  传统心理筛查方式在实际场景中具有重要价值，但也容易受到表达意愿、主观判断和社交掩饰的影响。尤其在校园场景中，部分学生可能因担心被标签化而淡化真实感受，也可能无法准确描述自身压力来源。溯心察郁系统由此提出“跨模态情绪冲突”的思路：当面部表情呈现积极信号，而语音状态、情绪能量或语言节奏显示出消极倾向时，系统便进一步计算情感冲突程度，为后续关注和复核提供辅助依据。

  二、双模型协同识别，构建情感冲突指数CI

  在技术实现上，团队围绕视觉与语音两类核心模态完成模型训练和系统接入。视觉侧采用 MobileNetV3-Large 作为情绪识别模型，在 FER2013 与 RAF-DB 混合数据集上训练，用于识别面部外显情绪，并形成外显积极效价 Ve；语音侧采用 ResNet18-Mel 模型，在 RAVDESS 与 CREMA-D 数据集上训练，用于识别语音情绪状态，并形成内隐消极深度 Vi。

  目前，视觉情绪模型 v2 验证准确率达到 73.50%，语音情绪模型 v2 验证准确率达到 67.87%，两类模型均已完成后端接入并可支撑实时演示。与单一情绪识别不同，系统并不直接给出医学诊断结论，而是将双模型输出进一步融合为情感冲突指数 CI，用于衡量外显积极与内隐消极之间的背离程度。

  围绕 CI 指数，团队设计了医生端可视化监控界面。系统可同步展示摄像头识别结果、语音情绪结果、雷达图、患者风险分级与 AI 辅助研判内容。当系统捕捉到外显表情与语音状态出现明显不一致时，会以“平稳监测”“重点关注”“高危复核”等方式进行分级提示，帮助医师或心理健康工作人员更直观地理解风险来源。

  三、打通个人端与医生端，形成辅助筛查闭环

  区别于单纯模型演示，溯心察郁更强调系统闭环。个人端面向普通用户，提供自测入口、状态反馈、压力建议和正向安抚提示，引导用户以更温和的方式了解自身近期状态；医生端则面向专业复核场景，提供实时监控、AI 辅助分析、异常来源解释和报告导出功能。

  在医生端，系统将多模态结果整理为可解释的分析链条，包括视觉异常来源、语音情绪线索、跨模态冲突程度和建议动作。报告模块则支持将关键检测信息、模型输出、CI 指数、风险提示和辅助建议整理为 PDF 评估报告，形成“采集—识别—研判—报告”的完整流程。该设计使项目不仅停留在模型结果展示层面，也更接近心理健康服务中的实际工作链路。

  四、青年创新实践，探索AI赋能心理健康服务

  作为一项面向比赛展示和心理健康科普的青年创新项目，溯心察郁团队始终坚持“辅助而非替代”的原则。系统定位为心理健康风险提示与辅助筛查工具，不替代专业医学诊断，也不以单次模型输出作为判断依据，而是希望通过多模态技术为早期关注、医生复核和心理健康教育提供更多客观线索。

  下一步，团队将继续围绕系统稳定性、报告可读性、模型泛化能力和演示模式开展优化，进一步完善首页产品展示、医生端工作流和个人端安抚反馈。团队也将探索引入文本情绪分析等轻量化第三模态，使系统在用户自述、问卷开放回答和随访记录中获得更多补充信息。

  从“看见情绪”到“识别冲突”，溯心察郁希望以人工智能技术回应校园心理健康服务的新需求。未来，团队将继续以青年学子的创新实践推动技术向善，让更多被微笑掩盖的情绪被温和看见、被及时关注。

  供稿人：林晓茵