iMove：探索生物阻抗传感用于健身活动识别

自动且精确的健身活动识别在促进健康生活方式到个性化预防性医疗保健等方面均有益处。虽然惯性测量单元（IMU）目前是主流的健身追踪模态，但通过 iMove，我们展示了生物阻抗可以通过传感器融合和对比学习帮助改善基于 IMU 的健身追踪。为了评估我们的方法，我们进行了一项实验，包括十名受试者在五天内执行的六项上肢健身活动，以收集来自双腕的生物阻抗和左腕 IMU 的同步数据。对比学习框架利用这两种模态训练更好的仅 IMU 分类模型，其中生物阻抗仅在训练阶段需要，从而使单 IMU 输入的平均 Macro F1 分数提高了 3.22%，达到 84.71%，而 IMU 基线模型为 81.49%。我们还展示了生物阻抗如何通过传感器融合直接改善人类活动识别（HAR），即使生物阻抗单独的平均 Macro F1 分数为 75.36%（低于单独使用 IMU），其平均 Macro F1 分数仍达到了 89.57%（训练和推理均需两种模态）。此外，在下肢健身活动分类的扩展研究中获得了类似结果，证明了我们方法的通用性。我们的发现强调了传感器融合和对比学习作为推进健身活动识别的宝贵工具的潜力，其中生物阻抗在增强基于 IMU 的系统能力方面发挥着关键作用。