抑郁筛查不再只给一个标签：InertiaMPDD用健康参照的偏离量做个体校正
核心概要
InertiaMPDD把抑郁筛查从单一录音级标签扩展为“与健康参照的偏离”这一可测量证据：它用冻结的多模态表征训练一个预测下一状态的潜变量预测器，再从预测残差中提取参照偏离、残差衰减率和雅可比谱半径三个描述量，用于独立筛查或对人群判定做个体校正。在四个数据集的五个队列上，融合路径在D-Vlog上达到98.41 F1、在LMVD上达到84.98 F1；但在AVEC2014上，参照描述量的区分能力较弱，融合F1为66.67。
深度剖析
抑郁筛查多了一个可解释的中间量：同一段录音里，观察到的行为延续与“健康参照”预测的下一状态差多少。 此前的多模态方法主要直接预测录音级抑郁标签，缺少与未抑郁参照做比较的证据；抑郁数据集通常只给整段录音或整名参与者一个标签，不标注情绪片段。 在D-Vlog上，仅用人群筛查路径NSP的F1为97.38，加入参照描述量校正后融合达到98.41；在LMVD上，NSP为74.57、仅参照路径IIP为75.88，融合为84.98。
参照由冻结预训练表征上的下一状态预测器给出，预测与真实下一观察的差被压成三个录音级标量。 这三个量分别是参照偏离（平均预测不一致）、残差衰减率（残差波动的持续性，用无截距一阶自回归系数估计并向健康训练先验收缩）和雅可比谱半径（预测器在均值状态处的局部映射强度，用30步雅可比向量幂迭代估计）。 在LMVD上，完整IIP的F1为75.88，高于静态MLP的70.36、持久性基线的67.82和线性AR预测器的65.50；在MPDD老年组上，完整IIP为92.31，静态MLP为66.67，线性AR预测器为53.33。
参照证据的价值与融合收益是两件事，同一组描述量在不同队列里作用不同。 在MPDD上，完整IIP的独立筛查F1在老年组和年轻组分别为92.31和90.91，高于固定加性融合的85.71和80.00；在AVEC2014上，融合F1为66.67，与两条单路径的50.00相比有提升，但仍低于展示的最大基线值。 AVEC2014上抑郁组与健康组的残差对比在训练集与测试集之间方向相反，两次都不显著；测试集谱特征对比也不显著，谱特征单独筛查同样不显著。
启示与展望
已展示的范围是四个数据集（D-Vlog、LMVD、AVEC2014、MPDD）的五个队列，其中D-Vlog与LMVD为自录视频博客，AVEC2014与MPDD为访谈或任务诱发录音；AVEC2014采用83名参与者的受试者隔离划分（67人训练、16人测试），MPDD按队列分别重训。作者把参照覆盖范围列为关键边界，并指出固定参照用于未见队列需要单独的迁移检验。
作者把这三个量称为候选代理标志物，其与抑郁标签的关联通过筛查任务建立，而非直接的情绪标注；压力、疲劳和采集条件也可能影响预测偏离。作者指出AVEC2014上参照区分能力弱，且抑郁组与健康组的残差对比在训练与测试划分间方向相反；雅可比谱估计依赖固定的学习坐标，均值状态不必是平衡点。特异性、可重复性与迁移仍需进一步验证。