抑郁症是一种的常见精神疾病,重度抑郁症甚至导致患者自残或自杀,并且自杀事件的发生已开始呈现出低龄化趋势,严重影响个人、家庭和社会。临床证明,提早发现抑郁症并进行有效的心理干预和药物治疗,能够缓解甚至治愈抑郁症患者。然而,抑郁症的病因繁复多样,导致临床诊断困难,误诊、漏诊率较高。临床发现,抑郁症患者在语音、文本、表情、生理等模态的数据上都表现出一定的特异性。针对抑郁症多模态数据,建立计算机辅助诊断模型可以有效的提升抑郁症诊断效率,提高诊断的准确率。现有的抑郁症诊断方法存在特征选择不合理,多模态数据融合不充分,抑郁症数据集稀缺,采集条件苛刻等问题,导致抑郁症诊断模型的准确率不高。因此,本文基于机器学习方法,针对青少年抑郁症的多模态数据展开研究,构建抑郁症诊断模型,辅助提高抑郁症临床诊断的准确率和诊断效率。本文主要包括以下研究工作和创新:1.提取局部和全局两个方面的音频与文本特征。在音频方面,提出改进的AlexNet模型（A-AlexNet）对包含局部音频信息的声谱图进行特征提取,以及使用时频域分析方法提取包含全局音频信息的HSFs特征;在文本方面,引入Bert-wwm-ext预训练模型对包含局部和全局信息的文本特征进行特征提取;2.提出基于粗粒度和细粒度融合两个层面的青少年抑郁症诊断模型。在粗粒度融合层面上,模型在句子级融合特征,侧重于整体的抑郁倾向;在细粒度融合层面上,提出一种新的注意力机制用于语音和文本在词汇级的自动对齐,最大化保留了原始信息的相关性,侧重于多模态在细粒度上的信息互补。最后综合两种模型的优劣,提出基于粗细粒度融合的决策层融合模型,提高抑郁症诊断的准确率;3.从两个角度去减轻数据采集过程中因条件受限对数据带来的负面影响。一是提出基于音频相似度的状态影响消除算法,用于解决在访谈过程中被试者因状态变化引起部分数据产生离群点的问题;二是提出用于多模态数据混合增强的MulMixup方法,降低因采集困难导致数据集稀缺从而产生的影响,丰富了原始数据的特征空间,提高了模型的准确率和泛化能力。