MIS-LSTM：用于睡眠质量和压力预测的多通道图像序列LSTM
计算机视觉与模式识别
2025-09-16 v1 人工智能
摘要
本文提出MIS-LSTM，一种混合框架，将CNN 编码器与LSTM 序列模型结合，用于从多模态lifelog数据中在日级别预测睡眠质量和压力。首先将连续传感器流划分为N 小时块，渲染为多通道图像；稀疏离散事件通过专用1D-CNN 编码。卷积块注意力模块（CBAM）融合两种模态以获得精炼的块级嵌入向量，随后由LSTM 捕获长程时序依赖。为进一步提升鲁棒性，引入UALRE（不确定感知集成），用高置信度的单个预测覆盖低置信度的多数投票。在2025 ETRI Lifelog 挑战数据集上，我们的基础MIS-LSTM达到Macro-F1 0.615；采用UALRE 集成后得分提升至0.647，超越强大的LSTM、1D-CNN 和CNN基线。消融实验确认：(i) 多通道图像优于堆叠垂直图像，(ii) 4 小时块粒度具有优势，(iii) 模态特定的离散编码有效。
引用
@article{arxiv.2509.11232,
title = {MIS-LSTM: Multichannel Image-Sequence LSTM for Sleep Quality and Stress Prediction},
author = {Seongwan Park and Jieun Woo and Siheon Yang},
journal= {arXiv preprint arXiv:2509.11232},
year = {2025}
}
备注
ICTC 2025