La salud mental es indispensable para el funcionamiento diario efectivo y la gestión del estrés. Las expresiones faciales pueden proporcionar pistas vitales sobre el estado mental de una persona, ya que son universalmente consistentes en todas las culturas. Este estudio tiene como objetivo detectar las variaciones emocionales a través de microexpresiones faciales utilizando unidades de acción facial (AUs) para identificar posibles problemas de salud mental. Además, se utilizaron redes neuronales convolucionales (CNN) para detectar y clasificar las microexpresiones. Además, se identificaron combinaciones de AUs para la segmentación de clases de microexpresiones utilizando K-medias. Se emplearon dos conjuntos de datos de referencia, CASME II y SAMM, para el entrenamiento y evaluación del modelo. El modelo logró una precisión del 95.62% en CASME II y del 93.21% en el conjunto de datos SAMM, respectivamente. Posteriormente, se realizó un análisis de casos para identificar pacientes depresivos utilizando el marco propuesto y se obtuvo una precisión del 92.99%. Este experimento reveló el hecho de que emociones como el asco, la tristeza, la ira y la sorpresa son las emociones prominentes experimentadas por los pacientes depresivos durante la comunicación. Los hallazgos sugieren que aprovechar las unidades de acción facial para la detección de microexpresiones ofrece un enfoque prometedor para el diagnóstico de la salud mental.