抑郁症是一种常见的精神类疾病，每年都有大量患者因抑郁而自杀。传统心理学诊断方法无法及时获取患者的日常状态。同时，人们越来越倾向于在社会媒体中分享情绪状态。因此，利用用户的线上日常生活数据，本文提出了一种基于多模态深度融合的用户画像算法，能够快速检测潜在的抑郁用户。为了更快更全面地描述社会媒体中抑郁用户的在线状态，本文算法首先使用CNN-BiLSTM模型将用户的日常情绪波动转化为长期的抑郁特征;接着，使用注意力机制增强情绪的前后依赖;最后，通过多层次深度融合文本、行为、视觉等多模态数据，实现用户画像，最终完成抑郁用户检测。实验表明，本文算法的准确率、召回率、F1值均比其他方法有所提升。