近期，深圳北理莫斯科大学粤港澳情感智能与普适计算联合实验室胡希平教授、梁中明院士在国际顶级期刊《Proceedings of the IEEE》（中科院一区 TOP，2025 年影响因子 23.2；CCF推荐的综合类A类两本期刊之一）发表题为"Digital Phenotyping and Feature Extraction on Smartphone Data for Depression Detection"的正刊论文（DOI:10.1109/JPROC.2025.3542324）。此项成果标志着实验室在情感计算与数字表型交叉领域取得重要进展。胡希平教授为本论文的第一通讯作者，论文的合作作者包括 IEEE Life Fellow: 梁中明教授和 Erol Gelenbe 教授, IEEE Fellow: 刘江川教授和胡斌教授。
《Proceedings of the IEEE》期刊系 IEEE（电气与电子工程师协会）创立于 1913 年的首本旗舰期刊，持续位列工程科技领域最具影响力学术期刊行列。值得关注的是，国内科研机构作为第一单位在该刊正刊的发文量迄今不足百篇，其正刊文章可作为对应研究领域的研究规划与学术写作的标杆。
智能手机作为可穿戴设备与医疗传感器的便携式数据采集终端，其集成的多模态传感器能够实现环境参数、生理指标及行为模式的无感式连续监测。现有研究表明，此类被动感知数据不仅可用于构建用户生理状态评估模型，还可通过数字表型技术实现心理健康特征的量化分析。然而，在重度抑郁症（Major Depressive Disorder, MDD）检测领域，基于智能手机的生物标志物特征提取面临着技术可行性与隐私保护的双重挑战。为此，本文系统阐述了 MDD 数字表型分析的研究进展，创新性地从多维特征空间解构出五类关键生物标志物，即位置（具有时空属性的位置信息）、运动（被试在不同物理空间的活动信息）、节律（昼夜节律的运动特征和位置数据的时间信息）、睡眠（基于声纳、心电图的睡眠信息）以及社交与设备使用情况（基于社交互动的行为信息）五类特征。揭示了当前 MDD 检测研究中存在的关键矛盾，即针对多源异构数据融合的技术瓶颈，隐私保护与模型可解释性之间的平衡困境。创新性的提出基于智能手机驱动的抑郁症识别的开放性问题，并提供了从数据采集到临床转化的全链条指导方案。
文章链接：https://doi.org/10.1109/JPROC.2025.3542324
