利用视觉可穿戴表征与多实例学习的老年肿瘤患者压力估计
机器学习
2026-04-09 v1 人工智能
摘要
心理压力在心脏肿瘤学中具有临床相关性，但通常仅通过患者报告结局指标（PROMs）进行评估，很少被整合到连续的心脏毒性监测中。我们使用来自智能手表（身体活动和睡眠）和胸前佩戴的 ECG 传感器的多模态可穿戴数据，对老年多中心乳腺癌队列（CARDIOCARE）中的感知压力进行估计。可穿戴数据流被转换为异构视觉表征，形成弱监督设定，其中单个感知压力量表（PSS）分数对应多个未标记窗口。一个轻量级预训练的专家混合骨干网络（Tiny-BioMoE）将每个表征嵌入为 192 维向量，再通过基于注意力的多实例学习（MIL）进行聚合，以预测第 3 个月（M3）和第 6 个月（M6）的 PSS。在留一受试者评估（LOSO）下，预测结果与问卷分数呈现中等一致性（M3：R²=0.24，Pearson r=0.42，Spearman rho=0.48；M6：R²=0.28，Pearson r=0.49，Spearman rho=0.52），全局 RMSE/MAE 在 M3 为 6.62/6.07，在 M6 为 6.13/5.54。
引用
@article{arxiv.2604.06990,
title = {Stress Estimation in Elderly Oncology Patients Using Visual Wearable Representations and Multi-Instance Learning},
author = {Ioannis Kyprakis and Vasileios Skaramagkas and Georgia Karanasiou and Vasilis Bouratzis and Andri Papakonstantinou and Dimitar Stefanovski and Kalliopi Keramida and Aristofania Simatou and Ketti Mazzocco and Anastasia Constantinidou and Konstantinos Marias and Dimitrios I. Fotiadis and Manolis Tsiknakis},
journal= {arXiv preprint arXiv:2604.06990},
year = {2026}
}
备注
7 pages, 2 figures, under review for IEEE EMBC 2026