この記事では、眼球追跡データ、顔面の表情、および音響特徴を活用してうつ病を検出するための新しい手法「MF-GCN」を提案しています。従来の低周波情報に依存するモデルの限界に対処し、低周波と高周波の両方の信号を利用できる多周波フィルターバンクモジュール（MFFBM）を導入しています。実験結果によると、このモデルは二分類（うつ病と非うつ病）のタスクで96%の感度と94%のF2スコアを達成し、三分類（うつ病なし、軽度から中程度のうつ病、重度のうつ病）においても79%の感度と87%の特異度を示し、他のモデルを大きく上回りました。また、中国のマルチモーダルうつ病コーパス（CMDC）データセットでも95%の感度と96%のF2スコアを記録し、信頼性の高いうつ病検出手法としての有効性を証明しています。