综述：红外热成像技术在儿童与青少年心理健康研究中的快速回顾

本综述系统回顾红外热成像技术（IRT）在儿童与青少年心理健康领域的应用，涵盖情绪障碍、自闭症谱系障碍（ASD）、创伤后应激障碍（PTSD）、应激与认知负荷等多方向研究，突出其非侵入性、实时监测优势，并探讨与人工智能（AI）结合的未来潜力，为心理健康评估提供创新工具。

　　

引言

红外热成像技术（Infrared Thermography, IRT）是一种通过检测物体表面红外辐射以生成温度分布图像的非侵入性技术。该技术无需直接接触被测对象，适用于多种光照条件，能稳定获取生理数据。研究表明，人体表面温度分布特征与心理健康状态密切相关，例如焦虑时前额温度升高，抑郁时面部代谢热降低，而眼周温度在疲劳或愉悦状态下均可能变化。IRT通过捕捉自主神经系统响应导致的温度变化，为心理健康评估提供了客观依据。

尽管IRT在成人心理健康研究中已广泛应用，但针对儿童与青少年的研究仍较匮乏。由于该群体常难以准确表达主观心理感受，传统评估方法存在局限。IRT凭借其无创、实时和设备便携性，在青少年心理健康评估中展现出独特潜力，能直观捕捉表面温度变化，弥补主观描述不足的问题。

方法

本研究采用快速综述方法，检索PubMed、ScienceDirect、Google Scholar和PLOS ONE数据库中2000年至2024年发表的英文文献。以“红外热成像”或“热成像”为主要关键词，结合“情绪障碍”“焦虑”“抑郁”“ASD”“PTSD”“应激反应”“认知负荷”等主题词进行筛选。最终从2395篇文献中选出50篇进行全文评估，经质量工具（QATSDD）评分后，纳入27篇高质量研究。

结果

研究特征

27项研究中，7项聚焦情绪障碍，6项针对ASD，3项关于PTSD，5项涉及应激，6项探讨认知负荷。其中9项研究专门针对儿童与青少年群体（年龄3-18岁）。研究多使用红外热像仪或红外热相机，结合生理测量方法如皮肤电反应（GSR）、脑电图（EEG）等，并应用机器学习算法（如CNN、随机森林）进行分类分析，准确率最高达98%。

质量评估

多数研究理论框架清晰、目标明确，平均评分超过2.5（满分3），但样本量代表性和测量工具统计验证方面存在不足，平均分低于2，可能影响结果可信度。

IRT原理与心理健康应用

IRT通过检测人体表面温度变化反映心理状态。面部温度变化最为显著，尤其是鼻尖、眼周和前额区域。焦虑时鼻尖温度降低，前额和眼周温度升高；抑郁时整体面部代谢热降低。胸腹部和四肢温度变化也与情绪和应激反应相关。

数据采集需使用高分辨率、高灵敏度的红外设备，并在标准化环境下进行。便携设备和移动应用的发展促进了自然场景下的数据收集。分析方法包括热图像处理、时间序列分析（如自回归模型）和机器学习算法（如支持向量机、随机森林）。多模态融合（结合心率变异性、GSR等）进一步提升了评估准确性。

情绪障碍

IRT能通过面部温度变化客观诊断焦虑和抑郁。研究表明，焦虑时颞区和前额温度升高，抑郁时右眼周温度升高且体温调节效率下降。IRT的非侵入性特性尤其适合儿童群体，避免了传统传感器的不适感。

自闭症谱系障碍（ASD）

IRT能检测ASD患者的温度调节异常，揭示其情绪调节和感觉处理特点。结合EEG数据和深度学习模型（如CNN），IRT提高了ASD诊断准确率，并支持个性化干预策略的开发。

创伤后应激障碍（PTSD）

IRT可实时监测PTSD患者的情绪和应激反应，通过面部温度变化识别再体验、回避和过度警觉等症状。与皮肤电反应（SCR）等功能磁共振成像（fMRI）结合，能更全面分析心理生理指标。

应激

IRT通过监测鼻部和眼周温度评估应激水平，结合深度学习模型和多种技术（如光电容积描记法，PPG），实现了实时应激检测，甚至在智能手机系统中的应用。

认知负荷

IRT通过面部温度实时变化测量认知负荷，包括内在、外在和关联认知负荷。研究将其应用于冥想、学习效率优化等领域，证实鼻部温度变化与任务需求相关。

讨论

IRT在心理健康诊断中表现出显著潜力，能检测情绪障碍、PTSD、应激和认知负荷相关的生理变化。其与多种生理测量设备（如GSR、EEG）的结合，提升了数据全面性和结果可靠性。技术进步使IRT设备更便携、成本降低，如FLIR公司的智能手机兼容设备。

然而，IRT目前仍多处于实验阶段，尚未广泛应用于临床。环境温湿度、个体生理差异可能影响准确性，且温度变化并非心理状态的特异性指标，需结合其他数据综合分析。此外，多数研究在实验室中进行，与现实环境的复杂性存在差距。

局限性

IRT的准确性受设备和环境因素影响，个体生理差异也增加了标准化难度。儿童专项研究数据仍不足，需更多年龄定向验证。温度变化可能反映多种生理状态，单独使用IRT难以精确诊断复杂心理疾病。

人工智能与未来方向

IRT与人工智能（AI）的结合有望推动心理健康领域的创新：

• •

  高效数据处理：机器学习算法分析IRT数据，实现早期疾病筛查和大型模型构建。

• •

  精准医疗：AI分析个体化数据，定制个性化干预方案。

• •

  实时监测与反馈：结合AI实现即时数据分析和治疗调整。

• •

  多模态数据融合：整合面部表情、心率变异性等多源数据，提升评估客观性和准确性。

结论

IRT作为非侵入性实时监测工具，在儿童与青少年心理健康研究中具有广泛应用前景。通过多领域研究验证了其在情绪障碍、ASD、PTSD、应激和认知负荷评估中的有效性。未来与AI技术的结合将进一步推动智能化、个性化心理健康评估和干预策略的发展，为资源有限地区提供可持续的解决方案。