用于从脑活动中识别疼痛的轻量级 Transformer
计算机视觉与模式识别
2026-05-20 v5 人工智能
摘要
疼痛是一种多层面的现象，带来巨大的临床和社会负担，使得可靠的自动评估成为关键目标。本文提出一种轻量级 Transformer 架构，通过统一的标记化机制融合多种 fNIRS 表示，使能够在不要求特定模态适应或增加架构复杂度的情况下，对补充信号视图进行联合建模。所提出的标记混合策略通过将异构输入投影到共享的潜在表示上，保留空间、时间和时频特征，采用结构化的分段方案控制局部聚合和全局相互作用的细粒度。该模型在 AI4Pain 数据集上进行评估，使用堆叠的原始波形和功率谱密度表示的 fNIRS 输入。实验结果表明，该方法在保持计算紧凑的同时实现了具竞争力的疼痛识别性能，适用于 GPU 和 CPU 硬件上的实时推理。
关键词
引用
@article{arxiv.2604.16491,
title = {A Lightweight Transformer for Pain Recognition from Brain Activity},
author = {Stefanos Gkikas and Christian Arzate Cruz and Yu Fang and Lu Cao and Muhammad Umar Khan and Thomas Kassiotis and Giorgos Giannakakis and Raul Fernandez Rojas and Randy Gomez},
journal= {arXiv preprint arXiv:2604.16491},
year = {2026}
}