近日，我院黄先伟副教授作为第一作者兼通讯作者的论文《Intelligent detection of depression risk among college students based on campus data》在国际期刊《Discover Applied Sciences》2026年第8卷第10期上发表（DOI: 10.1007/s42452-026-09392-5）。该刊由Springer Nature出版，为EI（Compendex）收录期刊。研究工作得到了安徽省高校质量工程项目（2021szjyxm034）、安徽省十大新兴产业特色专业（微专业）无人机应用技术（202cywzy063）的支持。
图1 基于多源校园数据的大学生抑郁风险智能检测框架图2 前20位行为特征的SHAP重要性排序
图3 模型误差分析（a 漏报成因；b 误报成因；c 混淆矩阵；d 风险得分分布）
该研究面向大学生抑郁风险早发现这一现实需求，提出了一套基于多源校园数据的智能检测框架：融合教务、一卡通消费、门禁通行等系统数据，构建学生行为特征，以时间感知的元集成模型预测学生在既定心理测评时点的高风险状态，并引入差分隐私与联邦学习保障数据安全。在2847名学生的数据上，模型准确率达89.8%、敏感度84.7%、AUC值0.891，可在心理测评前8周给出预警提示；昼夜节律紊乱、学业投入度下降、社交连通性减弱是判别能力最强的三类行为指标。（撰稿、摄影：钱磊，一审：高心仪 二审：江伟 三审：潘立琼，编辑：高心仪）