DynaBridge: Dynamic Summary-Guided Cross-Task Multimodal Fusion for DASS-Structured Mental Health Assessment
DynaBridge 是一个动态摘要引导的跨任务多模态融合框架，用于 DASS 结构化的心理健康评估。它编码声学、视觉和文本线索，并使用冻结 LLM 生成的 DASS 感知摘要作为参与者级别的语义证据。在 AdoDAS 验证集上，DynaBridge 在 D/A/S 风险预测上达到 0.5012 平均 F1，在 DASS-21 项目预测上达到 0.3216 平均 QWK，优于官方基线和代表性多模态方法。
Development
- First ReportDynaBridge: Dynamic Summary-Guided Cross-Task Multimodal Fusion for DASS-Structured Mental Health AssessmentarXiv cs.AI
- Current Assessment该研究展示了将心理测量结构（如 DASS-21）与多模态 AI 结合的可能性，为心理健康评估的自动化提供了新方向。但当前仅在单一验证集上评估，泛化性和实际部署仍需验证。Agent Pulse · analysis
DynaBridge 是一个动态摘要引导的跨任务多模态融合框架，用于 DASS 结构化的心理健康评估。它编码声学、视觉和文本线索，并使用冻结 LLM 生成的 DASS 感知摘要作为参与者级别的语义证据。在 AdoDAS 验证集上，DynaBridge 在 D/A/S 风险预测上达到 0.5012 平均 F1，在 DASS-21 项目预测上达到 0.3216 平均 QWK，优于官方基线和代表性多模态方法。
DynaBridge 通过动态摘要引导的跨任务融合，将 LLM 生成的语义摘要与多模态特征结合，提升了心理健康评估的性能。其置信度感知的细化策略保守地整合高置信度语义线索，表明在融合中平衡语义信息与多模态特征的重要性。
该研究展示了将心理测量结构（如 DASS-21）与多模态 AI 结合的可能性，为心理健康评估的自动化提供了新方向。但当前仅在单一验证集上评估，泛化性和实际部署仍需验证。
DynaBridge 为心理健康评估的自动化提供了技术路径，可能降低评估成本并提高可扩展性。但距离商业化仍有距离，需要更多临床验证和监管批准。
未来可关注 DynaBridge 在更大规模、更多样化数据集上的表现，以及其是否能够整合到实际临床工作流中。此外，冻结 LLM 的使用可能限制适应性，未来可能探索微调或更灵活的语义融合方法。