一种基于多模态样本信息的抑郁症风险预测模型构建方法

本申请涉及心理健康评估领域，公开了一种基于多模态样本信息的抑郁症风险预测模型构建方法，包括以下步骤：采集并预处理生理信号、语音特征和微表情动作数据；对生理信号进行相空间重构；构建流形模型，提取多模态信号的局部几何特征；通过多尺度变分模式分解方法，分离信号的短期动态变化和长期趋势；采用自注意力机制对多模态特征进行动态加权融合，生成统一的高质量特征向量；基于融合特征构建非线性状态空间模型，通过扩展卡尔曼滤波优化状态转移与输出关系，生成实时情绪状态和抑郁症风险评分。本发明能够准确捕捉多模态信号的动态特性，显著提升抑郁症风险预测的准确性和鲁棒性，为心理健康评估和干预提供了高效技术支持。