在面部表情识别领域，针对不同抑郁水平的面部表情差异小以及模型计算复杂度高导致过度拟合的问题，提出一种由对角注意力机制(DMA)和时空差异模块(SDN)相结合的深度学习架构(DSN)进行抑郁检测，并根据面部表情的变化进行抑郁症等级评估。引入DMA使模型具备精确识别图像之间变化的能力；使用SDN模块捕获平滑与突然的面部表情变化，探索多尺度时间信息。实验结果表明，本文提出的DSN架构在保证模型性能的同时相对于传统架构降低了42%的运算复杂度，提高了模型整体容错水平，具有较好的泛化能力。