青少年抑郁症是一种发生在青少年身上的心理病症。《2022年国民抑郁症蓝皮书》显示，中国18岁以下抑郁症患者占抑郁症患者总人数的30.28%，50%的抑郁症患者为在校学生，41%的患者曾因抑郁休学。青少年抑郁症已成为我国一个重大的公共卫生问题，需要有效干预和及时调整。

实践证明，在供给侧严重不足的心理健康行业，通过人工智能+心理的解决方案，实现个性化、精准化的心理健康评估、诊断、分析、干预，拥有巨大的发展潜力。天津师范大学依托天津市学生心理健康与智能评估重点实验室，“认知与情感计算”跨学科融合创新团队，通过“人工智能+心理”，定制个性化、精准化的心理健康评估、诊断、分析、干预的“解决方案”。该研究成果近期发表在SCI一区top期刊《Neural Networks》和《Information Fusion》上。这意味着“人工智能+心理”的解决方案拥有巨大的发展潜力。

据介绍，抑郁症的早期筛查和精确诊断涉及到神经科学、心理学、计算机科学和人工智能等多学科交叉融合与协同合作，需要汇集利用各专业的自身优势，集中力量对心理健康中的实际科学问题和关键瓶颈技术进行突破和创新。

天津市学生心理健康与智能评估重点实验室主任，天津师范大学副校长白学军教授表示，团队利用脑成像设备和学科优势，开展学生心理健康问题基础研究。在深化对学生心理健康问题认识和应对科学水平的同时，积极推进研究成果转化成心理健康预警方案和干预措施。在抑郁症精准评估和早期干预方面，创新团队与天津市安定医院合作，就基于生态瞬时评估和语音的抑郁状态识别开展研究工作。

重点实验室骨干成员赵子平教授介绍，该研究采用队列研究调查方法，收集了百余名符合诊断标准患者的步数、睡眠、主观报告、语音等数字表型信息，构建了基于深度学习的抑郁状态识别模型，其识别准确率高达90%，为抑郁状态的精准识别提供了重要的科学依据。在抑郁情绪识别方面，创新团队核心成员赵子平教授团队针对语音信号的时序特性，提出了一种联合并行卷积神经网络和自注意力残差卷积网络，搭配连接主义时间分类损失函数的语音情感识别方法。该方法有效地提升情感识别的性能，为基于语音的抑郁症精准检测提供了重要依据。在基于脑电的情绪识别领域，创新团队探究了不同受试者的脑电信号之间的共性特征表示，提出一种领域对抗网络用于脑电信号的情绪识别模型，其情感识别准确率达到92.44%，为解决抑郁情绪识别中脑电信号的个体差异问题提供有效的解决方案。

白学军教授表示，未来团队将继续坚持多学科交叉，产学研融合，致力于研究学生心理健康特点、变化规律、作用机制和新型心理健康诊疗技术的研发和应用转化，实现心理健康全方位、多维度、可视化、数字化评估与促进，助力健康产业发展。团队通过与企业深度合作，推进多学科交叉成果应用落地，打造数字健康领域创新链与产业链深度融合的科技创新策源地，研发的近百余项智能化心理学产品已应用于400余所学校、20个市、区教育局，惠及近200万师生、社区工作者，并被广泛应用于公安、医疗等行业机关单位。