本研究提出了一种领域对抗训练方法，旨在解决语音心理健康检测中的性别偏见问题，显著提升抑郁症和PTSD的检测性能，E-DAIC数据集F1分数提高最多13.29个百分点。

该文综述了用于心理健康与情感分析的多个数据集，包括EmoMent（2802篇Facebook帖子）、ArmanEmo（7000余条波斯语句子）、GoEmotions（5.8万条Reddit评论，27类情感）及泰米尔语YouTube评论数据集（4.2万条，31种情绪）。研究采用RoBERTa、DeBERTa、SBERT+CNN等深度学习模型进行情感分类与抑郁检测，最高准确率达81.79%至86%，F1分数达0.86，表明情感分析在心理健康检测中具有良好潜力。

心理压力检测在少数群体中有效性差，建议使用融入情感的模型改善。多任务心理压力模型在少数群体中表现优于最先进技术，无需直接在少数群体数据上训练。情感融入模型提高了压力模型在少数群体中的性能，建议在其他心理健康检测任务中融入情感。