多模态情绪识别技术在减重代谢手术患者心理评估与依从性管理中的研究进展

多模态情绪识别技术在减重代谢手术患者心理评估与依从性管理中的研究进展【摘要】随着全球肥胖症发病率逐年递增，减重代谢手术已成为治疗重度肥胖及代谢综合征的重要手段。术后患者容易产生焦虑、抑郁、身体形象混乱以及服药依从性差等问题从而对长远的治疗效果造成不利影响。目前临床上心理测量方法主要是以主观问卷和谈话为主，不能及时、全面、动态地监测患者情绪状态和行为变化。MER为减重代谢手术患者心理状态量化评估和依从性管理搭建了客观化、连续化、智能化的新通道。未来仍要开展多中心临床验证研究，进而评估其应用效果，同时强化模型可解释性和隐私保护方面的设计，进而推进MER跟护理信息系统深度结合，以促进精准化连续性心理护理模式良好发展。【关键词】减重代谢手术；多模态情绪识别；心理评估；依从性管理；护理肥胖是世界范围内重要的公共卫生问题之一[1]。根据世界卫生组织（WHO）统计，全球成人肥胖率持续上涨，肥胖的相关疾病及造成的社会经济损失日益严重。减肥代谢手术（bariatricandmetabolicsurgery，BMS）被认为是治疗重度肥胖及其并发症最有效的手段之一[2]。减肥手术虽在生理上效果明显，但是术后患者所面临的心理重建也是不容忽视的问题。由于皮肤松弛、体型变化等外在变化导致患者产生持续性的身体形象不满（BodyImageDissatisfaction），从而产生深层次的焦虑和抑郁等负面情绪。更严重的是，手术强行剥夺了病人通过饮食来排解情绪的心理补偿方式，如果无有效的心理疏导措施，很容易造成反复性的失控饮食行为出现[3-4]。术前过高的期望与术后生活上的诸多不便之间的差距，身体机能的变化所造成的对脑部的影响，都是交织在一起的心理压力源[5]。因此，临床护理不应止于手术本身，建立涵盖围术期评估与远期心理支持的整合干预模式，是实现患者身心同步康复的关键。目前，在临床实际工作中普遍使用问卷量表或访谈法等传统方式来开展心理评估，但这些方法主要依赖患者的主观自我报告，并在时间上以离散测评为主，通常是在特定时点收集信息，因此难以反映术后患者情绪状态和依从性行为在短时尺度上的动态波动。随着数字健康技术的发展变化，生态瞬时评估（EMA）和可穿戴监测等新方法被引入心理评估领域[6-7]。然而，EMA仍依赖患者的主动输入，长期使用易造成评估疲劳；而单一模态的生理数据监测又往往缺乏对复杂情绪状态的特异性解析能力。相比之下，多模态情绪识别技术（multimodalemotionrecognition，MER）为解决上述瓶颈问题给出了更良好的方案，这项技术可在无察觉、被动的状态当中整合包含语音特征、面部表情、生理信号及行为轨迹等的多源异构数据，基于深度学习模型来做多维特征的提取融合[8]，从而实现对个体情绪状态连续、客观且多维度的动态评估。多项研究表明，基于深度学习方法的多模态融合情绪识别模型在受控实验室环境以及标准公开数据集中，其情绪识别准确率已可达90%以上。将MER技术应用于减重代谢手术患者心理评估及依从性管理，可起到早发现患者负性情绪、暴食倾向和术后焦虑的作用，利于个性化护理干预及远程监测[5];同时由于现阶段智能可穿戴设备和远程医疗模式已得到一定的普及应用[9-11]，MER技术应用于术前术后减重代谢手术患者的干预具有较好的可行性。基于此，本文旨在探讨将MER技术应用于减重代谢手术患者围手术期护理干预的可行性与潜在价值。一、减重代谢手术患者心理与行为特征充分认识减重代谢手术患者的术前术后心理、行为等特性有助于更好进行围术期管理，提高远期手术成功率[12-14]。除生理方面问题外，这一类患者的心理特点及行为表现也有明显的差异性，且会直接影响到手术效果以及患者术后的生活质量[15-16]。1.术前心理特征与筛选标准减重代谢手术候选群体的心理健康状况往往更为复杂，其抑郁、焦虑、暴食症（bingeeatingdisorder，BED）以及人格障碍等精神共病的检出率远高于普通人群[17]。有研究显示[18-19]，在准备去做手术的患者群体内，抑郁症的患病率也许远远超过普通人群，而BED的实际发生率也明显偏高，这些都有增加术后体重管理以及心理适应难度的可能性。另外一部分人可能存在药物滥用、人格障碍或者PTSD等问题[20]。因此目前在国际上已经达成一致意见，即术前应该有一个标准化的多学科心理评估，它的目的不是为了提高手术门槛或者是筛除病人，而是为了准确找出心理风险点，进而通过围手术期的预处理来改善术后效果。在临床实践中，应当审慎区分手术的绝对与相对禁忌：对于存在活动性精神病性症状、近期有自杀意念或未控制的物质滥用者，应视为绝对禁忌而暂缓手术；而对于社会支持系统薄弱、手术期望值偏离现实或处于应激状态的患者，则属于相对禁忌，宜优先通过心理干预稳定状态后再行评估[21]。现有证据表明，若忽视术前严重的心理行为问题，如未控制的暴食行为或低自我效能感，患者术后极易出现体重反弹或严重的心理适应障碍[22]。2.影响依从性的关键心理与行为因素减重手术要想长期成功，很大程度看患者能不能持续遵守术后生活方式建议，有饮食管理、规律的体育锻炼、按时服用维生素片以及定期去复诊等，对于大多数患者而言，术后维持高水平的生活方式依从性仍面临巨大挑战，多种心理及行为因素被证实对术后依从性有决定性影响，患者的内在动机水平以及对自己能够顺利执行健康行为的信念，是重要的驱动力。拥有来自家人、朋友或支持团体等强大社会支持系统的患者，通常能更好地应对术后挑战，维持依从性。相反，缺乏社会支持或人际关系紧张可能成为依从性的障碍[23]。情绪调节能力和应对策略起着决定性的作用。能够正确地识别、理解和掌握自己的情绪，并采取适合的方式（如解决问题或者寻求帮助等）而不是不当方式（如情绪化地暴饮暴食或选择逃避）来应对压力事件的个体能够更好地保持合理的节律和稳定的行为习惯[24]。情绪与依从行为有直接的关系。许多研究表明，在经历应激、抑郁、焦虑或无聊等负面情绪状态时，会使人们更容易产生不良饮食习惯和减少身体活动量的可能，即如果人感到压力，可能会忘记完成原先规划的运动项目；而当人处于情绪低落的状态时，则会倾向于选择高能量、不健康但能使其暂时感觉很好的“安慰性”食物[25]。3.现行减重代谢手术心理评估与管理模式的局限性尽管术前心理筛查已是国际共识，但于实际的临床诊疗当中，抑郁、焦虑及暴食症（BED）检出率仍存在不稳定的相关因素。现行评估主要依赖PHQ-9、GAD-7等自评量表及简短的临床访谈[26]。由于减重手术通常被患者视为“救命稻草”，患者在术前评估中往往存在强烈的“社会赞许性效应”（SocialDesirabilityBias）[27]，即有意把自身心理困扰或不良饮食习惯掩饰起来以通过手术审批，使得评估结果产生假阴性结果，并且传统的横断面评估只能拿到患者就诊时的瞬时状态，很难展现患者于一般生活压力条件下的真实心理弹性及情绪调节能力。减重术后患者的心理状态具有高度动态性，一般会从术后刚开始的“蜜月期”[28]，渐渐过渡到远期因体重反弹或者体象障碍（BodyImageDisturbance）导致出现的心理落差期[29-30]，当下的术后随访多数采用定点、低频度的模式，这种间断进行的监测存在明显的“回顾性偏倚”（RecallBias），即患者常常不能精准回忆起过去几个月情绪波动细节。尤为关键的是，目前的手段无法捕捉“瞬时”心理危机，例如由突发压力诱发的暴食冲动或情绪性进食[31-32]，当患者在随访阶段反馈问题时，一般已错失最佳的干预阶段，进而使得依从性中断或者复胖的结果已成定局[33-34]。术后重塑生活方式（比如饮食控制、规律运动等）是手术成功的关键所在，但现阶段评价依从性主要依靠患者的自我报告或者饮食日记，该方式不仅增添了患者的负担，并且数据真实性往往会被情绪状态左右（像情绪低落时少报饮食摄入）[35]。现有的评估体系在客观生理指标支撑方面存在缺失，无法在自然生活场景所处的状态下（也就是缺乏生态效度）对患者“情绪行为”链路实时监控，临床医生很难区分患者的依从性下降究竟是源于认知层面的懈怠，还是源于未被识别的抑郁发作或生理性饥饿感，此评估跟真实生活场景发生了脱节，使得依从性管理往往处于被动应对的状态。二、多模态情绪识别的关键技术与数据源MER技术是指把来自语音、面部表情、生理信号以及文本等多种信息源的数据加以融合，旨在提升对情绪状态判断准确性的一项技术[36]，其框架如图1所示。针对重度肥胖患者来说，由于其特有的身体结构和生理机能特点导致单模态的情绪识别遇到极大障碍，需要结合多个不同的数据来源互相验证、互相补充。例如，患者脸部以及下颌的大量皮下脂肪形成的“物理遮挡”作用遮挡住了肌肉收缩引起的轻微的变化，这不仅导致基于常规人群训练的面部动作单元（AU）提取算法灵敏度大幅下降，也增加了受主观伪装干扰的风险。另外，也会导致表面的皮肤电活动（GSR）或者心电图等电生理信号的信噪比降低；相反的是脑电图（EEG）直接反映的是大脑皮质层的电兴奋程度并且不受颅骨外软组织的影响，在对该群体的情绪辨别方面有着很强的穿透力和客观性。此外，重度肥胖常伴随气道阻力增加或限制性通气障碍等呼吸模式的改变，使得反映情绪唤醒度的语音特征往往伴随了特殊的生理性呼吸节律。因此，将受限的面部表情、可靠性高的中枢脑电信号以及带有特殊呼吸印记的语音特征进行跨模态融合，可以提供关于这个群体的情绪的关键信息。在得到这些有群体特异性的数据源之后，设计有效的多模态结合方法对于提高MER模型的效果是非常重要的部分[40-42]。传统融合方法具有明显的局限性：早期合并（特征级的连接）对多模态数据的时间一致性要求很高，容易造成维数灾难；后期合并（决策级投票）忽略了模态之间深层次的相互影响。当遇到肥胖患者有着“面部表情模糊”、“语音特征强烈”等模态冲突时，晚期融合借助简单的数学平均往往造成决策中和，忽视时间轴上的细微修正信息[8]。为了克服技术瓶颈，当前的研究较多地使用了注意力机制（Attention）及Transformer架构，在跨模态注意力（Cross-modalAttention）上，对于减肥人群的情绪识别具有较高的技术适应性，在可以量化地对不同模态特征之间的关系进行描述的同时还可以实时计算每一种模态在某一时刻的“信息可靠度”。例如，当算法检测到由于面部脂肪过多造成的面部表情信息可靠性降低的情况下，跨模态注意力网络就会自动的增加EEG或者语音信号的比重，让一种模态的信息实时影响到另一种模态的表达。这种机制可以很好的解决肥胖人群的单模态数据质量差的问题从而使得在实际应用当中的识别准确率得到大幅度的提高。而且对于临床的情绪数据当中普遍存在的类别不均衡的问题，在评价模型的时候一般会使用加权平均准确率（WAR）、F1分数以及混淆矩阵等多个指标的组合来进行整体的评价。三、多模态情绪识别在减重手术患者管理中的潜在应用1.情绪识别与社会认知加工肥胖患者普遍存在情绪识别与社会认知加工能力的受损，这种特异性的认知缺陷是引入MER技术的病理生理学基础。Manderino等[44]的研究结果显示，伴有注意力和执行功能等认知障碍问题的减重手术候选者，其对面部情绪的识别能力有较大降幅，尤其是鉴别像愤怒、厌恶这样的负性情绪有针对性的障碍。这种缺陷造成患者易于误读社交反馈，激起人际敏感以及潜意识压力；更起关键作用的是，该患者人群常并发“述情障碍”（Alexithymia），也就是很难精准地觉察、辨别以及用言语表述自身的负性情绪感受。Vaioli和Scarpina的系统综述[45]进一步证实，肥胖患者在面对恐惧、厌恶等情绪刺激时，大多表现为识别准确率下降与反应延迟。在应激状态下，受损的认知重评能力促使他们无法进行有效的心理调节，而是更倾向于诉诸“情绪性进食”等适应不良的行为策略，从而陷入“认知偏差-情绪积压-行为失控”的恶性循环[46]。基于上述普遍存在的“述情障碍”与认知加工缺陷，以患者主观自评的传统心理评估方式（如问卷量表或临床访谈）有根本性的方法学局限。当患者自身都无法准确感知和描述其情绪状态时，任何依据自我报告的数据必然伴随严重的失真与滞后状态。MER技术的不可替代性原因在于其能够完全绕过患者受损的主观认知与言语表达通道。MER技术不依赖大脑皮层的有意识加工与输出，而是直接捕获受自主神经系统支配的客观指标（如面部微表情、语音韵律特征及生理电信号等）[47]。这种“自下而上”的数据采集模式，使系统可以在患者尚未有清晰的主观痛苦体验、或尚未出现情绪性进食行为之前，灵敏且预先截获处于潜伏期的应激唤醒状态。该“非侵入式”的客观监测模式，为临床护士迅速识别隐匿性心理风险、阻断情绪性进食的途径提供了科学基础[48]。2.数字工具在减重外科中的可接受性与用户体验数字健康技术的广泛应用极大地充实了减重外科手术后护理的干预措施，而广大的患者也乐于使用这些手段。Robinson等[49]的质性研究认为大多数的患者支持借助移动电话或者可穿戴设备进行心理及行为上的辅助治疗，但是又强调，这些工具所能触及的难点远不止简单的步数或者卡路里的计算等生理数据的采集，他们希望软件程序能够为其量身定做情绪调节及及时交流沟通的功能。Huang等[50]及Yang等[51]的可行性研究证实，以智能手机和可穿戴设备（如Fitbit）为基础的随访可直观呈现活动与睡眠状态，还能提高患者术后的参与情况，并且缓解因医患信息不通造成的焦虑。此外，Sysko等[52]发现，将数字工具前置于术前心理准备环节，可为术后长期的数字干预搭建良好的依从性基础，当下的数字健康工具有着良好的用户接受情况，但在“情绪动态感知”以及“智能个性化干预”范畴，依旧有显著的技术空白。针对以上未得到满足的临床需求，把MER技术融入到现有的数字化健康平台之中，成为突破术后管理障碍的主要方式[53]。MER技术不是一个独立的评估设备，但是作为主要的算法“灵魂”，自然的融入到患者已经使用的智能终端集合当中去[47]。该整合平台可调用智能手机的前置摄像头以及麦克风，在患者进行日常人机互动（如做语音随访、查看健康辅导）时，以“非侵入”方式同时收集面部微表情和语音韵律的特征；与智能可穿戴节点协同起来，获取实时的心率变异性（HRV）、皮肤电（GSR）等自主神经信号[54]。该“平台化”的整合模式完美契合了患者对轻便、易用数字工具的体验要求，更重要的是，它使原本被动的“数据记录系统”得到了赋能，进化为拥有“情绪感知能力”的智能管家[55]，当MER系统跨模态融合后实时识别到患者有高应激、焦虑或者潜在的失控性进食倾向时，数字平台马上就能触发自适应的干预机制，从而切实构建起基于客观情绪状态的“监测-评估-个性化干预”封闭系统。3.MER技术的潜在价值与应用前景近年来研究证实，做完减重手术后，患者的心理结局呈现出显著的个体差异，Law等[56]的研究揭示了，不同减重手术术式在改善焦虑、抑郁与自我效能感方面成效不同，接受袖状胃切除手术的患者术后抑郁情绪改善快，但这类患者焦虑情绪的复发现象发生率也较高，由这些结果可知，单靠静态问卷与定点访谈，难以全面捕捉术后心理的动态转变，于是亟需可以开展个体化、连续性情绪监测的手段。处于这样的大背景，MER技术给术前心理风险筛查、术后情绪调控带来了新的方法参照，该系统把语音特征、面部动作单元与脑电图或皮肤电活动等生理信号整合在一起，可凭借较高时间分辨率，始终追踪患者情绪的变化轨迹。GuoZ[57]在研究里融合了脑电图和语音这两种信号，做到压力状态下情绪的跨模态识别，其准确率高达92%，体现了这项技术在情绪监测里的可行性，若把这类系统掺和进减重术后护理流程中，护理团队能够实时辨认出患者情绪起伏、焦虑高峰时刻或依从性下滑的关键时段，这样就能及时实施精准的早期介入和心理帮扶。虽然目前还缺少针对MER技术系统直接用于减重手术依从性管理的大规模临床研究，但现有证据已从认知特点、心理变化路径、技术认可度以及临床实际需要等多个维度，一起说明了这项技术在该领域应用的必要性和潜在价值，后续研究应依靠多中心合作展开前瞻性探寻，主要验证MER技术系统促进术后心理康复、改善饮食行为控制进而提升长期生活质量的临床实际效果，进而弥补这个交叉领域的科研空白处。四、讨论1.从静态评估到动态智能闭环MER以融合语音、面部表情、生理信号等多种模态的方式建立了一个具有生态真实性的客观连续监测系统[8]。减肥手术后的病人往往有着复杂的心理和行为变化，在短期内可能会降低抑郁和焦虑症状，但是从长远来看自杀、自残、酗酒等不良事件的发生率有所增加[5,24,58]。这些心理健康状况直接影响着病人术后生活方式的改变，也是影响最终减肥效果的主要因素之一[14,24]。因此使用MER技术来及时发现患者的情绪变化，就可以帮助医生很好地把握患者的心理变化情况，从而构建起“评估-反馈-干预”的智能化管理闭环[59]。2.临床应用的现实挑战虽然MER技术在通用领域已经取得了长足的进步，但是在减重外科的实际应用场景中，仍然存在一些特殊的“人机适应性”问题[60]。首先是物理设备佩戴的依从性问题。重度肥胖患者颈部、手腕部以及躯干上大量的皮下脂肪，不仅会造成正常大小的智能穿戴设备（比如手表、胸带、脑电电极片等等）无法使用，而且还会因为汗水、局部摩擦等原因引起接触不良以及身体上的不舒服感，大大限制了这些设备的长时间使用[61]。同时肥胖患者的呼吸方式或者声带负担的改变也会影响到语音的基频特征。这种“特征漂移”的现象说明一般的模型不能直接使用，需要设计针对肥胖者体型特点的专门的矫正方法[62]。其次是心理敏感度与依从性监测的矛盾。减肥人群往往伴随着身体形象的障碍和较高的社交障碍的现象，对于视频监控等较为直观的监控方式非常抵触。那么如何在获取重要的面部表情信息的前提下，利用边缘计算或者去标识化（Deidentification）等技术消除病人的被监控的感觉是这项技术从实验室走向临床应用的伦理上的问题。3.构建专病多模态数据库与纵向时序轨迹跨越上述挑战、实现MER技术从“实验室演示”向“临床工具”转变的核心在于提升数据的质量与维度[63]。今后的研究重点是建立规范化的减重外科专病多模态数据库，在此基础上重点突破以下几点：一是扩充多层次的临床特征。数据收集要面向不同的人群，全面涵盖不同BMI等级、不同的手术方式以及是否有合并症的人群[63]。样本多样性是训练高泛化能力的算法、使其适应不同的生理和心理状态下的情绪表达的前提条件。二是标定纵向时间线。今后的数据采集要跳出单一的时间点的截面检测的局限性，建立从“术前评估-围手术期-术后远期”的完整的数据链条[63]。通过把患者不同时间段的生理信号（比如心率变异性）、行为记录（比如睡眠、运动周期）和情绪状态进行一一对应起来，准确把握患者心理调适过程和行为遵循度的变化趋势。4.从情绪识别到数字化预后预测模型以往的研究主要集中在MER技术对于瞬间情绪的识别准确率上，但是对于减重外科的临床治疗方法来说，情绪识别只是一种手段，正确的判断和积极地干预才是最终的目的[63]。基于深度学习的方法，MER技术可以把大量的情绪以及生理数据变成数字化的临床预测指标，比如“情绪不稳定”作为一个重要的数字生物标志物（DigitalBiomarker），在准确地识别出病人可能出现的“依从性断裂点”，进而预测到术后体重反弹以及代谢并发症发生的概率[64]。这标志着MER技术的应用将从单一的心理评估工具，升维为数字化的预后预测模型[65]。今后的临床转化的重点在于找到“情绪波动—行为改变—临床结果”之间的因果关系，用客观的数字情绪特征来引导精准的护理方案，实现由“被动治疗术后并发症”转变为“主动防范心理和行为风险”的现代护理模式[66]。参考文献[1]GBD2021AdultBMICollaborators.Global,regional,andnationalprevalenceofadultoverweightandobesity,1990-2021,withforecaststo2050:aforecastingstudyfortheGlobalBurdenofDiseaseStudy2021[J].Lancet,2025,405(10481):813-838.[2]KimJC,KimMG,ParkJK,etal.OutcomesandAdverseEventsAfterBariatricSurgery:AnUpdatedSystematicReviewandMeta-analysis,2013-2023[J].JMetabBariatrSurg,2023,12(2):76-88.[3]BenítezT,CaixàsA,RebasaP,etal.Psychopathologicalprofilebeforeandafterbariatricsurgery[J].SciRep,2023,13(1):16172.[4]BruzeG,JärvholmK,NorrbäckM,etal.Mentalhealthfrom5yearsbeforeto10yearsafterbariatricsurgeryinadolescentswithsevereobesity:aSwedishnationwidecohortstudywithmatchedpopulationcontrols[J].LancetChildAdolescHealth,2024,8(2):135-146.[5]deVriesCEE,TerweeCB,AlNawasM,etal.Outcomesofthefirstglobalmultidisciplinaryconsensusmeetingincludingpersonslivingwithobesitytostandardizepatient-reportedoutcomemeasurementinobesitytreatmentresearch[J].ObesRev,2022,23(8):e13452.[6]FuJ,WangH,NaR,etal.Recentadvancementsindigitalhealthmanagementusingmulti-modalsignalmonitoring[J].MathBiosciEng,2023,20(3):5194-5222.[7]GuoR,GuoH,WangL,etal.Developmentandapplicationofemotionrecognitiontechnology-asystematicliteraturereview[J].BMCPsychol,2024,12(1):95.[8]WuY,MiQ,GaoT,etal.AComprehensiveReviewofMultimodalEmotionRecognition:Techniques,Challenges,andFutureDirections.Biomimetics(Basel)[J].2025,10(7):418.[9]LianH,LuC,LiS,etal.ASurveyofDeepLearning-BasedMultimodalEmotionRecognition:Speech,Text,andFace.Entropy(Basel)[J].2023,25(10):1440.[10]KnightSR,NgN,TsanasA,etal.Mobiledevicesandwearabletechnologyformeasuringpatientoutcomesaftersurgery:asystematicreview[J].NPJDigitMed,2021,4(1):157.[11]LodewykK,WiebeM,DennettL,etal.Wearablesresearchforcontinuousmonitoringofpatientoutcomes:Ascopingreview[J].PLOSDigitHealth,2025,4(5):e0000860.[12]JacobsA,MonpellierVM,TorensmaB,etal.Influenceofmentalandbehavioralfactorsonweightlossafterbariatricsurgery:Asystematicreviewandmeta-analysis[J].ObesRev,2024,25(6):e13729.[13]PyykköJE,ZwartjesM,NieuwdorpM,etal.DifferencesinPsychologicalHealthandWeightLossafterBariatricMetabolicSurgerybetweenPatientswithandwithoutPainSyndromes[J].ObesSurg,2024,34(5):1693-1703.[14]ChanJKY,VartanianLR.Psychologicalpredictorsofadherencetolifestylechangesafterbariatricsurgery:Asystematicreview[J].ObesSciPract,2024,10(1):e741.[15]SummervilleS,KirwanE,SutinAR,etal.Personalitytraitassociationswithquality-of-lifeoutcomesfollowingbariatricsurgery:asystematicreview.HealthQualLifeOutcomes[J].2023,21(1):32.[16]PyykköJE,vanOlstN,GerdesVEA,etal.Relationsbetweentrajectoriesofweightlossandchangesinpsychologicalhealthoveraperiodof2yearsfollowingbariatricmetabolicsurgery[J].QualLifeRes,2025,34(5):1345-1361.[17]MaguranoMR,NapolitanoD,BozzettiM,etal.Psychologicalassessmentandpsychosocialoutcomesinbariatricsurgerycandidates:aretrospectivestudy[J].Healthcare(Basel),2025,13(11):1294.Published2025May29.[18]KopsNL,VivanMA,FülberER,etal.Preoperativebingeeatingandweightlossafterbariatricsurgery:asystematicreviewandmeta-analysis[J].ObesSurg,2021,31(3):1239-1248.[19]HanyM,YassinHAA,HamdyA,etal.Prevalenceandassociatedfactorsofeatingdisordersamongmetabolicbariatricsurgerypatientsinegypt[J].JEatDisord,2025,13(1):182.[20]BrunaultP,Bourbao-TournoisC,BallonN,etal.Psychiatric,psychologicalandaddictionmanagementinobessurg:earlyidentificationforbettersupport[J].JViscSurg,2023,160(2S):S22-S29.[21]BlockCKAR,MarekRJ.Presurgicalpsychologicalevaluation:riskfactoridentificationandmitigation[J].JClinPsycholMedSettings,2020,27(2):396-405.[22]FrancoisZ,RizviA.Psychiatriccomplicationsofbariatricsurgery[M/OL]//StatPearls.TreasureIsland(FL):StatPearlsPublishing,2024[2025-12-27].[/books/NBK604208/](/?target=https%3A%2F%2F%2Fbooks%2FNBK604208%2F&scene=im&aid=582478&lang=zh).[23]TolvanenL,SvenssonÅ,HemmingssonE,etal.Perceivedandpreferredsocialsupportinpatientsexperiencingweightregainafterbariatricsurgery-aqualitativestudy[J].ObesSurg,2021,31(3):1256-1264.[24]BiY,HeL,YanF,etal.Personal,external,andpsychologicalfactorsinfluencingadherencetonutritionanddietinpatientsundergoingmetabolic/bariatricsurgery:asystematicsynthesisofmixedmethodsresearch[J].ActaDiabetol,2024,61(9):1081-1095.[25]DandgeyS,PattenE.Psychologicalconsiderationsfortheholisticmanagementofobesity[J].ClinMed(Lond),2023,23(4):318-322.[26]MaguranoMR,NapolitanoD,BozzettiM,etal.PsychologicalAssessmentandPsychosocialOutcomesinBariatricSurgeryCandidates:ARetrospectiveStudy[J].Healthcare,2025,13(11):1294.[27]ButtM,WagnerA,RigbyA,etal.Associationsofsocialdesirabilityonpsychologicalassessmentoutcomesforsurgicalweightlosspatients[J].JClinPsycholMedSettings,2021,28(2):384-393.[28]WoodsR,MogaAM,RibeiroPAB,etal.Evolutionofdepressivesymptomsfrombeforeto24 monthsafterbariatricsurgery:Asystematicreviewandmeta-analysis[J].ObesRev,2023,24(5):e13557.[29]AmesGE,KoballAM,ClarkMM,etal.Behavioralinterventionstoattenuatedrivenovereatingandweightregainafterbariatricsurgery[J].FrontEndocrinol(Lausanne),2022,13:934680.[30]BoscL,MathiasF,MonsaingeonM,etal.Long-termchangesinbodyimageafterbariatricsurgery:Anobservationalcohortstudy[J].PLoSOne,2022,17(12):e0276167.[31]RabahSM,AlbrahimRA,AlmajedEH,etal.Desireforbodycontouringsurgeryafterbariatricsurgery:anationwidecross?sectionalstudyinsaudiarabia[J].PlastReconstrSurgGlobOpen,2023,11(12):e5483.[32]MauroMFFP,PapelbaumM,BrasilMAA,etal.Mentalhealthandweightregainafterbariatricsurgery:associationsbetweenweightregainandpsychiatricandeating-relatedcomorbidities[J].ArchEndocrinolMetab,2024,68:e230208[33]deLourdesM,CerqueiraL,Pinto-BastosA,etal.Understandinguncontrolledeatingafterbariatricsurgery:theroleofexcessiveskinandbodyimageshame[J].JClinMed,2021,10(13):2967.[34]SchrempftS,Jiménez-SánchezC,BayssonH,etal.PathwayslinkingBMItrajectoriesandmentalhealthinanadultpopulation-basedcohort:roleofemotionaleatingandbodydissatisfaction[J].IntJObes(Lond),2025;49(7):1317-1326.[35]GoldschmidtAB,SmithKE,ThomasJG,etal.Real-timeversusretrospectiveself-reportassessmentofloss-of-controleatinginadultsundergoingbariatricsurgery[J].Obesity(SilverSpring),2023,31(2):363-373.[36]RamaswamyMPA,PalaniswamyS.Multimodalemotionrecognition:Acomprehensivereview,trends,andchallenges[J].WileyInterdiscipRevDataMinKnowlDiscov,2024,14(6):e1563.[37]LianH,LuC,LiS,etal.Asurveyofdeeplearning-basedmultimodalemotionrecognition:speech,text,andface[J].Entropy,2023,25(10):1440.[38]KaurM,KumarM.Facialemotionrecognition:Acomprehensivereview[J].ExpertSyst,2024,41(10):e13670.[39]AhmedN,AlAghbariZ,GirijaS,etal.Asystematicsurveyonmultimodalemotionrecognitionusinglearningalgorithms[J].IntellSystAppl,2023,17,200171.[40]PoriaS,CambriaE,BajpaiR,etal.Areviewofaffectivecomputing:Fromunimodalanalysistomultimodalfusion[J].InformationFusion,2017,37:98-125.[41]ShoumyNJ,AngLM,SengKP,etal.Multimodalbigdataaffectiveanalytics:Acomprehensivesurveyusingtext,audio,visualandphysiologicalsignals[J].JNetwComputAppl,2020,149:102447.[42]AbdullahSMSA,AmeenSYA,SadeeqMA,etal.Multimodalemotionrecognitionusingdeeplearning[J].JApplSciTechnolTrends,2021,2:52-58.[43]Salas-CáceresJ,Lorenzo-NavarroJ,Freire-ObregónD,etal.Multimodalemotionrecognitionbasedonafusionofaudiovisualinformationwithtemporaldynamics[J].MultimedToolsAppl,2025,84(23):27327-27343.[44]ManderinoLM,etal.Cognitivedysfunctionpredictspooreremotionrecognitioninbariatricsurgerycandidates[J].ObesSurg,2016,26(9):2302-2308.[45]VaioliG,ScarpinaF.Facialemotionrecognitioninobesityandinfibromyalgia:asystematicreview[J].NeuroSci,2021,2(2):127-141.[46]PreeceDA,DitzerJ,GrossJJ,etal.Emotionregulation[M].OxfordResearchEncyclopediaofPsychology,2025.[47]KumarAJR,BhanuB.Micro-expressionclassificationbasedonlandmarkrelationswithgraphattentionconvolutionalnetwork[C].ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition,2021.[48]WanWJ,WangSJ,LiuYJ,etal.CAS(ME)3:athirdgenerationfacialspontaneousmicro-expressiondatabasewithdepthinformationandhighecologicalvalidity[J].IEEETransPatternAnalMachIntell,2022,45(3):2782-2800.[49]RobinsonA,HusbandA,SlightR,etal.Designingdigitalhealthtechnologytosupportpatientsbeforeandafterbariatricsurgery:qualitativestudyexploringpatientdesires,suggestions,andreflectionstosupportlifestylebehaviorchange[J].JMIRHumFactors,2022,9(1):e29782.[50]HuangEY,ChungD,HollandsworthHM,etal.Bitebybyte:canfitnesswearableshelpbariatricpatientslosemoreweightaftersurgery?[J].SurgEndosc,2023,37(8):6526-6531.[51]YangC,KesslerM,TaebiN,etal.Smartphoneapplication-basedfollow-upcareofpatientsafterbariatricsurgery:Amixed-methodstudyofusability[J].DigitHealth,2022,8:20552076221129072.[52]SyskoR,MichaelidesA,CostelloK,etal.Aninitialtestoftheefficacyofadigitalhealthinterventionforbariatricsurgerycandidates[J].ObesSurg,2022,32(11):3641-3649.[53]JiangDM,ChenJX,ZhangPW,etal.AccurateEEG-basedemotionrecognitiononcombinedfeaturesusingdeepconvolutionalneuralnetworks[J].IEEEAccess,2019,7:44317-44328.[54]JiangD,ChenJ,ZhangP,etal.EmotionrecognitionfromspatiotemporalEEGrepresentationswithhybridconvolutionalrecurrentneuralnetworksviawearablemulti-channelheadset[J].ComputCommun,2020,154:58-65.[55]JiangD,YangL,XiaX,etal.Integratingdeepandshallowmodelsformulti-modaldepressionanalysis-Hybridarchitectures[J].IEEETransAffectComput,2018,12(1):239-253.[56]LawS,DongS,ZhouF,etal.Bariatricsurgeryandmentalhealthoutcomes:anumbrellareview[J].FrontEndocrinol(Lausanne),