PsyDraw：基于多智能体多模态系统的离境儿童心理健康筛查
计算与语言
2024-12-20 v1
摘要
离境儿童（LBCs）在中国已超过6600万人，因父母因工作迁徙而面临严重的心理健康挑战。及早筛查和识别高风险LBCs至关重要，但由于精神健康专业人员严重不足，尤其在农村地区，这一目标备受挑战。虽然House-Tree-Person（HTP）测试显示出更高的儿童参与度，但其对专家解释的要求限制了在资源匮乏地区的应用。为此，我们提出PsyDraw，一个基于多模态大型语言模型（LLM）的多智能体系统，用于辅助心理健康专业人员分析HTP绘画。该系统采用专门的智能体进行特征提取和心理解释，分为两个阶段：综合特征分析和专业报告生成。对290名小学学生的HTP绘画进行评估后，发现71.03%的分析结果与专业评估高度一致，26.21%的分析结果与专业评估中等一致，仅2.41%的分析结果与专业评估低一致。该系统识别了31.03%需要专业关注的案例，证明其作为初步筛查工具的有效性。目前已在试点学校部署，\method展现了在资源有限的地区支持心理健康专业人员的潜力，同时保持高水平的心理评估标准。
引用
@article{arxiv.2412.14769,
title = {PsyDraw: A Multi-Agent Multimodal System for Mental Health Screening in Left-Behind Children},
author = {Yiqun Zhang and Xiaocui Yang and Xiaobai Li and Siyuan Yu and Yi Luan and Shi Feng and Daling Wang and Yifei Zhang},
journal= {arXiv preprint arXiv:2412.14769},
year = {2024}
}
备注
preprint