《Brain Research Bulletin》：Optimized CNN-based facial analysis for depression detection: managing mental disorder in education
编辑推荐：
本研究针对教育领域内重性抑郁障碍(MDD)筛查资源有限、隐私顾虑多的痛点，为艺术与设计等专业院校开发了一种名为“优化的基于CNN的面部分析(OCFA)”的轻量级静态人脸风险筛查系统。该研究采用基于RobFaceNet的骨干网络，集成自适应坐标注意力(Adapt-CA)，通过多目标进化搜索在严格计算约束下优化模型，并应用温度缩放进行概率校准。在DAIC-WOZ数据集上，OCFA以0.065 GMac的计算量实现了82.98%的准确率、AUROC=0.886及优异的校准度(ECE≈0.040)，并在外部数据集E-DAIC上展示了良好的泛化能力。这项研究工作为校内非侵入式、隐私保护的初步抑郁风险评估提供了一种可部署、可解释的决策支持工具。
在艺术设计等高等教育环境中，学生常常面临着源于作品评审、作品集压力与激烈竞争的独特心理挑战。然而，重性抑郁障碍作为一种主要的致残原因，在教育情境中的系统性识别却因时间、人员和隐私的限制而时常中断。面部情感与外观可能携带与抑郁症状相关的线索，可作为患者健康问卷(PHQ)等自评工具的补充。然而，现有的基于人脸分析的抑郁检测方法通常依赖多模态输入或计算密集的动态视频分析，对在校内设备的轻量级部署、模型预测的可靠性（如概率校准）以及在不同光照、姿态等实际捕获条件下的鲁棒性报告不足。这使得开发一种计算高效、隐私保护、专门适用于教育筛查场景的静态人脸分析系统成为一项迫切需求。
为了解决上述问题，一个由国内研究人员组成的团队在《Brain Research Bulletin》上发表了一项研究。他们提出了一种名为“优化的基于CNN的面部分析(OCFA)”的轻量级静态人脸筛查管道。该研究旨在为教育环境，特别是艺术与设计院校，提供一个可部署在边缘设备、计算预算严格、且输出经过校准的可解释抑郁风险评估工具。OCFA并非作为一种诊断工具，而是作为“人在回路”筛查工作流程中的风险标记器，其输出结果需由合格的心理健康专业人员复核确认。
为了构建和验证OCFA系统，研究人员运用了多种关键技术。首先，他们利用了两个基于半结构化访谈的抑郁症数据集：DAIC-WOZ及其扩展版本E-DAIC，后者提供了可控的访谈动态变化（从人机对话到AI控制会话），用于评估模型的跨域泛化能力。数据预处理采用了严格的身份安全和几何对齐流程，确保隐私并提高模型稳定性。模型架构的核心是一个RobFaceNet风格的轻量级卷积神经网络(CNN)骨干，研究人员在其中创新性地集成了“自适应坐标注意力(Adapt-CA)模块”。这个模块的放置位置（在深度可分离卷积块之前、之中或之后）及其内部超参数（如缩减比r）并非人为预设，而是通过一个“多目标进化调优器”在明确的浮点运算数(FLOPs)和模型大小约束下自动搜索得到，以协同优化模型的准确性、鲁棒性和计算效率。由于监督标签（基于PHQ-8问卷的二元分类标签，截断值为≥10）只在会话级别可用，模型采用了帧级证据聚合策略，将同一会话内多张人脸图像的特征进行池化，最终得到一个会话级别的抑郁风险概率。最后，研究人员在独立的验证集上对模型输出进行了“温度缩放”后处理，这是一种零推理开销的校准技术，旨在使模型预测的概率（例如，模型输出“抑郁概率为80%”）与其实际发生的频率更加匹配，从而为后续基于阈值的决策提供更可靠的依据。
3.1. 数据预处理
研究人员采用了一套严格的身份安全静态人脸处理流程。首先，使用五点关键点检测器定位人脸，并通过相似性变换将其对齐到112×112像素的规范模板。预处理环节还包含了严格的质量控制，会基于拉普拉斯方差、饱和像素比例、动态范围、局部对比度变异系数等指标，自动拒绝或标记对焦模糊、曝光极端、光照不均或姿态偏转过大（偏航、俯仰、滚动角≤20°）的低质量图像，以确保输入数据的可靠性。
3.2. 基线CNN架构
OCFA的基线网络是一个RobFaceNet风格的拓扑结构，由MobileNetV2的反向残差瓶颈块构成。该网络在早期块中注入了坐标注意力(CA)以保留精细的空间位置线索，在后期块中则使用挤压-激励注意力(SE)进行通道重加权。网络还采用了多层级特征聚合策略，从中间层（如第3、5、7块）抽取特征图，经过轻量级的深度可分离卷积分支对齐后，与顶层特征进行拼接，最后通过一个7×7的全局深度可分离卷积(GDC)和1×1线性投影，生成一个512维的紧凑面部表征。
3.3. 提出的架构
3.3.1. 面向风险的预测头
在基线网络生成的512维特征之上，OCFA连接了一个单输出的二元分类头，通过一个线性层和Sigmoid函数输出样本属于抑郁类别的概率。这个预测头在训练时使用类别平衡的二元交叉熵损失，在推理时则使用在验证集上预先选定的决策阈值（如通过最大化F1分数确定）来生成最终的筛查决策（抑郁/非抑郁）。
3.3.2. RobFaceNet骨干上的Adapt-CA
这是OCFA的核心创新之一。研究人员将CA模块的放置位置（在每个反向残差块中的深度可分离卷积操作之前、之后，或点卷积投影之后）以及CA内部的缩减比(r)等超参数，都设计为可搜索的变量。一个多目标进化算法负责在给定的计算和参数量预算下，自动化地探索这些配置的组合，从而找到在准确性、鲁棒性和效率之间达到最佳平衡的模型架构，这取代了传统的手工调参过程。
研究的实验部分对OCFA进行了全面评估。在官方划分的DAIC-WOZ测试集上，OCFA取得了82.98%的准确率、82.61%的F1分数、AUROC为0.886的优异性能，同时其计算开销仅为0.065 GMac，参数量为3.80M。更重要的是，经过温度缩放校准后，模型的预期校准误差(ECE)低至约0.040，表明其概率输出高度可靠。在未对E-DAIC外部数据集进行任何重新调优的情况下，OCFA同样取得了81.10%的准确率和0.874的AUROC，展示了良好的跨域泛化能力。消融实验证实，自适应搜索到的CA放置方案、多层级特征聚合以及温度缩放，均为最终性能做出了显著贡献。此外，研究还通过基于SHAP的全局特征重要性分析，提供了隐私对齐的模型可解释性，即在不暴露可识别面部图像的前提下，揭示了哪些面部区域特征对模型决策更为重要。
这项研究得出的结论是，OCFA成功地将一个轻量级的RobFaceNet风格CNN骨干、自适应的坐标注意力机制、多目标架构搜索以及后处理概率校准技术集成到一个统一的框架中，构建出了一个面向教育场景抑郁筛查的、计算高效且预测可靠的静态人脸分析系统。它不仅在校准指标和计算效率方面设定了新的基准，更重要的是，其设计理念将部署约束（如FLOPs和模型大小）和输出可靠性（如校准误差）提升为模型选择过程中的首要优化目标，而不仅仅是追求单一的准确率。这标志着抑郁筛查研究从纯粹的算法性能竞赛，向构建真正实用、可信赖的“人在回路”辅助决策系统迈出了关键一步。尽管OCFA在受控的访谈数据集上表现优异，但作者也谨慎地指出，在将其投入真实教育环境运行之前，仍需在更自然、多样的校内采集条件下进行前瞻性验证，并始终辅以严格的人为监督和伦理保障措施。这项研究为未来开发更多以约束为导向、以人为中心的心理健康技术工具提供了有价值的范式和启示。
