大学生心理健康数据集

摘要：大学生心理健康数据集是一个面向压力预测、情绪识别与智能心理健康监测的多模态数据集，通过融合脑电信号、心率变异性、皮肤电活动、面部表情、身体行为、数字交互日志和文本情感等信息，对大学生的心理与情绪状态进行综合描述。

数据集概述

大学生心理健康数据集是一个面向压力预测、情绪识别与智能心理健康监测的多模态数据集，通过融合脑电信号、心率变异性、皮肤电活动、面部表情、身体行为、数字交互日志和文本情感等信息，对大学生的心理与情绪状态进行综合描述。图像模态包含 8076 张面部表情图像，覆盖愤怒、厌恶、恐惧、快乐、中性、悲伤和惊讶7种基本情绪。数据同时记录学生连续监测日期及学习、考试、社交和放松等活动背景，可用于研究不同学习与生活场景下的压力变化规律。目标变量 Mental_Health_Risk 将心理健康风险划分为**低风险（0）、中等风险（1）和高风险（2）**三个等级。

数据结构与关键特征

该数据集具有典型的多模态结构，核心特征可划分为生理、视觉行为和数字行为三大类。生理信号包括 EEG Alpha、Beta、Gamma频段功率，以及 HRV_MeanNN、HRV_SDNN、HRV_RMSSD、心率和皮肤电导等指标，可反映神经活动、自主神经系统状态和生理唤醒程度；视觉与行为模态包含面部表情类别、面部表情强度、身体烦躁程度和姿势评分，可描述情绪外显及紧张行为；数字交互特征则包括平均学习时长、点击率、文本情感得分、击键速度和深夜设备使用频率。此外，Time_Period 与 Activity_Context 提供时间和场景信息，使模型能够联合分析生理状态—情绪表现—行为模式—活动环境之间的关系。

应用价值与研究方向

该数据集适用于大学生压力等级预测、情绪识别、心理风险预警和多模态健康状态分析等研究。研究人员可以分别利用 CNN、Vision Transformer 等模型分析面部表情，利用 LSTM、TCN、Transformer 等方法处理 EEG、HRV 和皮肤电等时序信号，并通过多模态注意力或特征融合网络联合建模视觉、生理与行为信息。进一步研究方向包括考试压力检测、长期心理状态趋势分析、跨学生个体泛化、多模态特征贡献解释、异常行为识别以及实时校园心理健康预警系统等，为高校学生支持和非诊断性的辅助监测工具提供数据基础。

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-459
文件大小：57M
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。