多模态心理健康评估数据集

摘要：多模态心理健康评估数据集是一个融合行为、视觉、语音和生理信号的综合性心理健康分析数据资源，包含4000条参与者记录，旨在支持基于机器学习和深度学习的智能心理状态识别研究。

数据集概述

多模态心理健康评估数据集是一个融合行为、视觉、语音和生理信号的综合性心理健康分析数据资源，包含4000条参与者记录，旨在支持基于机器学习和深度学习的智能心理状态识别研究。该数据集通过整合问卷调查结果、数字交互行为日志、视频面部特征、语音信号特征以及生理监测指标，从多个维度刻画个体的心理状态变化。数据涵盖抑郁、焦虑、压力、睡眠、社交行为、情绪表达、生理反应等关键因素，为探索多模态信息与心理健康状况之间的关联关系提供了丰富的数据基础，可用于心理风险评估、情绪状态分析和智能健康辅助系统开发。

数据结构与关键特征

该数据集采用结构化数据形式存储，共包含4000行样本、22个数值特征以及1个类别目标变量。输入特征主要分为四类：第一类为心理问卷与行为特征，包括抑郁评分、焦虑评分、压力评分、睡眠质量、社交参与度、数字应用使用时间、会话频率和空闲时间等，用于反映用户心理状态与日常行为模式；第二类为视觉特征，包括面部表情变化、眨眼率、微笑强度和头部运动指数等，用于捕捉非语言情绪线索；第三类为音频特征，包括MFCC均值、MFCC方差、平均音高和语速等，用于分析语音表达中的情绪变化；第四类为生理特征，包括心率、HRV指数、皮肤温度和皮肤电反应水平等，用于反映人体生理压力反应。目标变量“心理健康状况”包含健康、轻度压力、中度压力和重度压力四个类别，可用于多分类预测模型训练。

应用价值与研究方向

该数据集具有较高的智能心理健康分析应用价值，可用于心理压力检测、情绪识别、心理健康风险预测以及个性化健康干预等领域。研究人员可以利用机器学习算法（如随机森林、支持向量机、XGBoost）或深度学习模型（如多层感知机、Transformer、多模态神经网络）建立心理状态分类模型，并通过特征融合方法探索不同模态信息对心理健康评估的贡献。进一步研究可结合计算机视觉、语音情感分析、生理信号处理和大模型技术，实现多模态心理健康智能评估系统、实时压力监测平台、心理风险预警模型以及个性化心理辅助服务，为数字健康和智能医疗领域提供技术支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-395
文件大小：480M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。