摘要
抑郁症和焦虑症等精神障碍在全球范围内正以令人担忧的速度持续上升。值得注意的是，重度抑郁症已成为高等教育阶段学生中普遍存在的问题，其发生和加重可能与学生所承受的学业压力密切相关。尽管这一严峻状况的成因尚不明确（尽管已有广泛研究），但对已出现此类问题的学生而言，及时接受治疗至关重要。而实现这一目标的第一步，是有效筛查相关症状。传统筛查方式主要依赖临床咨询或填写问卷调查，然而在当今社会，社交媒体上广泛传播的数据为抑郁症症状的识别提供了新的可能，即使学生无法负担或不愿寻求专业帮助，也能通过这些数据实现早期发现。已有研究利用社交媒体数据对普通人群的抑郁症进行检测，通常聚焦于用户发布的图片、文字内容，或依赖元数据。在本研究中，我们专注于通过分析大学生在Instagram平台上发布的图片及其配文，结合深度学习与特征工程模型，检测其抑郁症状的严重程度。实验结果表明，在最佳情况下，采用融合模型可实现0.92的召回率和0.69的精确率，成功识别出贝克抑郁量表（BDI）得分不低于20分的学生群体。研究结果表明，基于社交媒体数据的大规模抑郁症筛查具有巨大潜力，有望帮助识别处于风险中的学生，为早期干预提供支持。