La depresión es una enfermedad mental con características ocultas que afecta la salud física y mental de las personas. En casos severos, puede llevar a comportamientos suicidas (por ejemplo, entre estudiantes universitarios y grupos sociales). Por lo tanto, ha atraído una atención generalizada. Los académicos han desarrollado numerosos modelos y métodos para la detección de la depresión. Sin embargo, la mayoría de estos métodos se centran en una única modalidad y no consideran la influencia del género en la depresión, mientras que los modelos existentes tienen limitaciones como estructuras complejas. Para resolver este problema, proponemos un modelo de percepción cooperativa de múltiples capas y multimodal con estructura simétrica para la detección de la depresión que se centra dinámicamente en características críticas. Primero, la estructura simétrica de doble rama del modelo propuesto está diseñada para tener en cuenta las variaciones basadas en el género en los factores emocionales. En segundo lugar, introducimos un módulo de atención multi-cabeza apilada (MHA) y un módulo de atención cruzada interactiva para extraer de manera integral características clave mientras suprimimos información irrelevante. Un módulo de red de memoria a largo y corto plazo bidireccional (BiLSTM) mejora la precisión de la detección de la depresión. Para verificar la efectividad y viabilidad del modelo, realizamos una serie de experimentos utilizando el método propuesto en el conjunto de datos AVEC 2014. En comparación con el modelo HMTL-IMHAFF más avanzado, nuestro modelo mejora la precisión en 0.0308. Los resultados indican que el marco propuesto demuestra un rendimiento superior.