通过AVEC2017获取抑郁症患者视频数据，每一患者平均帧数为1.5万帧。训练集107人，校验集35人，测试集47人；数据总帧数超过200万帧。通过Spectral Representation将患者长度不同的视频数据转化为长度相同，维度固定的数据。通过面部特征点分布及表情运动单元的共现概率进行连接，形成图结构。通过pytorch进行模型训练与保存，通过学习率衰减及脚本进行模型调参，最终RMSE为5.2,优于现有论文报道水平。