基于强化学习的功能动作精准体能处方
计算机视觉与模式识别
2026-05-20 v1 人工智能
机器学习
摘要
体能活动(PA)在维持和改善健康方面发挥着重要作用。日常步数是结合常用可穿戴设备轻易获取的关键PA度量。然而，缺乏方法为特定健康生物标志物的最佳情况推荐日常步数在一段时间内的最优分布。本文基于All of Us研究计划的数据填补了这一空白，该数据包括一段时间的步数以及关键健康生物标志物的多次测量。我们开发了一种新的离线强化学习(RL)算法，以学习与心血管代谢风险相关的个性化最优PA分布，其中动作是表示一段时间内每日步数分布的函数。仿真研究表明，所提出的方法优于现有的连续动作RL方法。从All of Us数据中学习到的最优策略通常建议人们每天步数更多，也遵循更一致的PA模式，同时为血糖水平、体质指数、血压、年龄和性别的亚群提供量身定制的建议。
引用
@article{arxiv.2605.19207,
title = {Quantized Machine Learning Models for Medical Imaging in Low-Resource Healthcare Settings},
author = {Sumanth Meenan Kanneti and Aryan Shah},
journal= {arXiv preprint arXiv:2605.19207},
year = {2026}
}