高质量数据集典型案例 | 抑郁障碍人群体征高质量数据集

　　推荐单位：湖北省数据局
　　申报单位：武汉东湖大数据科技股份有限公司
　　一、背景
　　抑郁症等神经精神障碍疾病高发，我国将其纳入《健康中国行动》专项治理，但传统诊断依赖主观问诊与问卷，存在误判率高、早期干预难等痛点。本项目基于人脸视频的非接触无创生物检测技术，通过融合特定人群高质量数据集构建算法，提升精神障碍疾病早期预警与诊断精准度，并拓展至多疾病筛查场景，助力心理健康服务高质量发展。
　　二、方案和成效
　　一是研发非接触多模态检测技术，提升识别精准度。搭建融合面部视频、动态光谱及生物信号的多模态数据集，开发AI筛查算法。较传统方法提升神经精神障碍疾病识别准确率，实现10秒快速检测评估，大幅提高大规模筛查效率80%以上。
　　二是推进多场景规模化应用，强化预警能力。在校园、企业等场景部署检测系统。实现校园心理筛查规模化覆盖，助力早期预警升级；降低企业健康检测成本30%以上，减少事故发生率约20%，支撑连续无创监测。
　　三是构建跨行业创新生态，带动产业发展。以数据集为核心，联动数据标注、智能硬件领域。带动相关产业产值增长，形成“数据+技术+硬件”协同生态，促进跨行业技术转化与应用。
　　四是拓展普惠服务覆盖，提升服务可及性。依托5G技术对接多类机构，推动技术向偏远地区延伸。使抑郁症早筛服务覆盖范围扩大至偏远地区，提升服务可及性，通过实时数据反馈，助力政府及医疗机构精准干预，改善公众心理健康管理水平。
　　三、创新点
　　一是构建多模态融合数据集与智能分析模型。通过非接触方式采集人脸视频，融合RPPG信号、动态光谱与视觉特征，形成218TB高质量数据集，结合深度学习算法，建立基于生理与行为特征的精神障碍预测模型，显著提升客观性与准确率。
　　二是建立动态监测与个性化评估机制。该数据集构建了近2000人的面部视频与多模态生理指标监测的映射关系。依托长时视频数据，实现面部生物信号与情绪趋势的持续追踪，生成个人心理健康档案，支持早期预警与精准干预，提升筛查连续性。
　　三是形成“标准化+可定制”的数据应用生态。构建“1+N”数据集框架（1个标准数据集+N种场景化解决方案），基础数据集训练实现88%以上准确率，多场景定制训练，快速部署，推动技术普及与标准制定，助力远程心理筛查规模应用。