Faces of the Mind: Unveiling Mental Health States Through Facial Expressions in 11,427 Adolescents

情绪障碍，包括抑郁症和焦虑症，通常通过面部表情表现出来。虽然以前的研究探讨了面部特征和情绪之间的联系，但是机器学习算法用于估计情绪障碍严重程度受到了小数据集和有限的实际应用的阻碍。为了填补这一空白，我们分析了11,427名参与者的面部视频，这个数据集比以前的研究大两个数量级。这个全面的集合包括阅读任务的标准化面部表情视频，以及一个详细的心理评估量表，用于测量抑郁、焦虑和压力。通过研究这些情绪状态之间的关系，并采用聚类分析，我们确定了不同情绪特征的明显子群。然后，我们训练了基于树的分类器和深度学习模型，从面部特征估计情绪状态。结果表明，以前在小数据集上有效的模型在应用到我们的大数据集时表现出了下降的趋势，突出了数据规模和在实际环境中减少过拟合的重要性。值得注意的是，我们的研究确定了瞳孔动态和注视方向的微小变化作为情绪障碍的潜在标记，为面部表情和心理健康之间的相互作用提供了有价值的信息。这项研究标志着面部表情在心理健康背景下的首次大规模和全面的调查，为未来基于数据的进展奠定了基础。

论文旨在解决情绪障碍的诊断和治疗问题。作者使用面部表情数据和心理量表来评估情绪状态，探索面部表情和心理健康之间的关系。

通过分析大量的面部表情数据，使用聚类分析和深度学习模型，作者发现不同的情绪子群体，提出了一种新的方法来评估情绪状态。作者还发现瞳孔动态和注视方向的微小变化可能是情绪障碍的标记。

论文使用了一个包含11,427个参与者的大型面部表情数据集，并使用了树状分类器和深度学习模型来评估情绪状态。作者发现这种方法的效果比之前的方法更好。此外，作者还发现瞳孔动态和注视方向的微小变化可能是情绪障碍的标记。这项研究为未来数据驱动的情绪障碍诊断和治疗提供了基础。

最近的研究关注了面部表情和情绪障碍之间的关系。例如，一篇名为《使用深度学习自动识别抑郁症患者的面部表情》的论文使用深度学习模型来识别抑郁症患者的面部表情。另一篇名为《基于面部表情的情绪障碍诊断：现状和未来方向》的论文探讨了面部表情在情绪障碍诊断中的应用。