摘要：本目录汇集了面向情绪识别、心理健康分析与抑郁症辅助检测的多模态数据资源，涵盖情感语音、歌曲及脑电图（EEG）等数据类型。不同数据集分别从声音表达和脑神经活动角度反映个体的情绪与心理状态，可用于机器学习、深度学习、语音信号处理和脑电信号分析等研究。
数据集简介
数据集概述
本数据集是一个面向情绪识别、心理健康分析和抑郁症辅助检测的多源多模态数据集合，涵盖情感语音、歌曲及脑电图（EEG）等数据类型。其中，情感语音与歌曲数据包含24位专业演员录制的288段英语音频，每段时长约3秒，覆盖中性、平静、快乐、悲伤、愤怒、恐惧、厌恶和惊讶八种情绪；抑郁症音频数据包含400条WAV格式语音录音，并按照未抑郁、轻度抑郁和重度抑郁进行标注。
脑电图数据包含30名抑郁症患者的任务态EEG记录，重点反映错误联想任务中的负波及相关脑活动模式，并可用于与强迫症患者和健康对照组进行比较分析。该数据集合适用于语音与脑电信号处理、情绪识别、抑郁程度分类、多模态特征融合，以及基于机器学习和深度学习的心理健康辅助评估研究。需要说明的是，各模态数据来源于不同数据集，并非同一受试者的同步配对记录。
1.多模态情感语音与歌曲数据集
数据来源： 多伦多瑞尔森大学（现多伦多都会大学）
数据模态： 情感语音与歌曲音频
样本数量： 288段录音
单段时长： 约3秒
参与者： 24位专业演员
情绪类别： 中性、平静、快乐、悲伤、愤怒、恐惧、厌恶和惊讶
主要应用： 语音情绪识别、情感计算、心理状态分析及多模态人工智能研究
该数据集通过不同情绪状态下的语音和歌唱表达，为研究声音特征与情绪变化之间的关系提供了基础数据支持。
2.抑郁症分析音频数据集
文件格式： WAV
样本数量： 400条语音录音
录音时长： 各样本时长不一
数据内容： 包含情绪、语调和心理状态线索的语音信号
分类标签： 未抑郁、轻度抑郁和重度抑郁
主要应用： 语音特征提取、抑郁程度分类、语音情绪识别及抑郁症自动检测
该数据集可用于提取梅尔频率倒谱系数（MFCC）、频谱、基频、能量、语速及音色等声学特征，并建立面向抑郁状态识别的机器学习或深度学习模型。
3.抑郁症脑电图数据集
数据类型： 脑电图记录
受试者数量： 30名抑郁症患者
记录状态： 任务态脑电图
研究重点： 分析错误联想任务诱发的负波及相关脑电活动模式
比较对象： 强迫症患者和健康对照组
主要应用： 基于脑电图的抑郁症识别、认知神经科学研究、脑电信号处理及精神健康辅助诊断
该数据集能够支持时域、频域、时频域和脑功能连接特征分析，为研究抑郁症相关脑活动异常提供数据基础。
数据集来源
本数据集由多个公开数据资源整理构成。其中，情感语音与歌曲数据源自多伦多瑞尔森大学心理学系开发的RAVDESS情感语音与歌曲数据库；抑郁症语音数据由公开的抑郁症语音录音资源整理获得；任务态脑电图数据来源于抑郁症、强迫症患者及健康对照组的脑电实验研究，用于分析不同心理状态下的脑活动模式。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。 如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-4
原创声明：本数据集为整理作品