计算机应用研究

作者：魏晓晓,刘峰,郭洪,

单位：安阳学院,河南安阳475000；

关键词：多模态传感器融合,运动伤害预测,自监督学习,时序建模,模型可解释性,因果推断,

基金：河南省社会科学界联合会调研课题(SKL-2022-1368)；；

近年来，如何基于多模态可穿戴传感器数据实现运动伤害的主动预测，成为运动医学与人工智能交叉领域的研究热点。针对现有方法在模态交互建模、泛化能力及机制层次可解释性方面的不足，提出了一种集成自监督建模、动态模态融合、因果推断与可解释性分析于一体的主动运动伤害风险预测框架。具体方法包括：设计结构对齐与特征增强模块，结合基于Transformer的跨模态注意力机制，精准捕捉心率、肌电（EMG）、IMU等多模态生理信号间的动态关联；采用遮蔽重构和对比学习的自监督训练策略，提升模型在小样本和异质时序数据场景下的鲁棒性与泛化能力；融合SHAP与LIME算法实现特征贡献可视化，并基于结构因果模型，系统揭示训练负荷、恢复节律与伤害风险之间的因果关系。实验在多个公开运动传感数据集上进行验证，结果显示该方法在伤害预警准确率、泛化能力及解释性方面均优于现有主流方法，具备更强的实际应用潜力。综上，该方法为运动健康风险感知与科学干预提供了一条高效、可解释且具备机制建模能力的技术路径，有望推动运动医学领域的数据驱动方法发展。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期