摘要：多模态心理健康评估数据集是一个专门用于智能心理健康状态识别的综合性数据集，包含4,000名参与者的记录，整合了心理健康的多模态指标，包括问卷回答、交互日志、从视频中提取的面部图像特征、语音音频特征和生理读数。数据集采用结构化格式整合行为、情感和生理线索，包含22个数值特征和1个分类目标变量（心理健康状态：健康、轻度压力、中度压力、重度压力），为探索多模态信号与心理健康状况之间的相关性提供了丰富的数据来源，特别适合使用机器学习或深度学习方法进行心理健康状态识别研究。
数据集简介
数据集概述
数据集的22个特征涵盖五大类别：问卷评估特征（抑郁评分0-34、焦虑评分0-24、压力评分0-39、睡眠质量1-5、社交参与度1-5）、数字行为特征（每日应用使用分钟数、打字速度WPM、会话频率次数/天、空闲时间分钟数）、面部视频特征（面部情绪方差类似HOG特征、眨眼率次数/分钟、微笑强度平均值、头部运动指数）、音频语音特征（MFCC均值和方差、音高均值Hz、语音速率词数/秒，遵循RAVDESS情感语音数据集规范）、生理信号特征（心率BPM、心率变异性指数HRV、皮肤温度°C、皮肤电反应GSR水平）。数据集结合了受控数字会话环境中的问卷、行为、视频提取图像、音频和生理测量，面部特征受FER-2013数据集概念启发表示表情变化、微笑强度和头部运动，音频特征遵循RAVDESS情感语音约定，生理信号捕捉心率、心率变异性、皮肤温度和GSR以反映压力和唤醒状态，每行对应一个独特的参与者记录。
多模态心理健康评估数据集为心理健康智能监测、压力评估和情绪识别研究提供了完整的多模态数据支撑，在临床心理学、精神病学、人机交互和智能医疗领域具有重要应用价值。研究人员可利用该数据集开展心理健康状态四分类（健康/轻度/中度/重度压力）、多模态特征分析、跨模态特征融合、早期心理问题预警、压力与生理信号关联研究、情感计算等多个方向的工作。数据集整合问卷主观评估、数字行为客观记录、面部表情视觉线索、语音情感听觉特征和生理唤醒指标五个维度，提供了从心理、行为和生理多层面理解心理健康状态的能力，为开发可穿戴心理健康监测设备、智能心理咨询系统、压力管理应用、情绪识别工具、远程心理健康筛查平台提供了数据基础和技术支撑，有助于实现心理健康问题的早期发现、持续监测、个性化干预和预防性管理，特别是对于难以自我觉察或不愿主动求助的群体，基于多模态生理和行为信号的客观评估技术具有重要临床和社会价值。
数据集来源
本数据集包含4,000名参与者的22个特征和4分类目标（健康/轻度/中度/重度压力），整合五类模态：问卷评估（抑郁/焦虑/压力评分）、数字行为（应用使用、打字速度）、面部视频特征（情绪方差、微笑强度）、音频特征（MFCC、音高、语音速率）、生理信号（心率、HRV、皮肤温度、GSR），为心理健康智能识别和多模态分析研究提供数据支撑。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-31
文件大小：324M
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。
评论(0)