精神疾病已经成为我们社会的一个令人震惊和增加的趋势。有心理疾病的超过200点分类的形式。一些较常见的疾病包括临床抑郁症，双相情感障碍，痴呆，精神分裂症和焦虑症。精神病超越世代，可能在人生的任何阶段发展，从而构成一个大问题社会和影响生活质量的患者及其直系亲属的一致好评。患者监控是有效的精神卫生保健的昂贵，但关键要求。

基于泛化和解释的概率方法，如解释的人工智能（AI）和深解释学习人类行为的自动诊断，在工程的许多领域获得牵引力的区域。这些方法起到允许医疗保健机构学习的精神状况的新表型至关重要的作用，了解原因和精神疾病的触发器，并创造新疗法。此外，着眼于这是普及可能导致从语音，手势，和生理特征数据的强大的处理方法，以及使深度学习的表示是在看不见的和嘈杂的真实世界环境状况稳健。这些因素都是基于AI-精神病诊断前进的重要步骤。最终，自动概率工具，包括相关分析，功能重要性和特点的学习，可以揭示关于人类行为和以前没有被观察到精神疾病，帮助量化的精神状况的行为表型在严格的数学方法，并导致精神疾病的更准确的诊断。

这期特刊旨在出版的原创性研究中的心理健康监测和普遍化可解释概率工具领域。其建立严格的程序自动会费使用自动计算的行为特征是特别欢迎。这种方法和程序涉及的统计分析和不同的心理健康状况的诊断，这种模式在新的和看不见的环境下的稳固建模，并涉及到心理健康的人类行为的计算分析。它总结了艺术和最新进展在这些主题的状态综述文章也欢迎。

潜在的主题包括但不限于以下内容：

• 统计和计算分析和多种方式，如语音，手势和生理行为的理解，以及他们对精神疾病的关系
• 基于标准化的自动行为测量心理健康诊断程序
• 这可以用于使用复杂的行为关系，分析精神疾病解释的深度学习行为的表示
• 从精神病角度评估大规模自动化生物标志物的解释性计算程序
• 基于生物标记前所未见的条件和环境可靠的模型
• 在数学上，严格限定使用自动方法复杂的人类行为的标准
• 对于行为线索的自动计算，可以预测的精神疾病规范化，程序化
• 概率工具，基于大规模行为线索评估心理疾病