计算机应用研究

作者：万奕晨,邢凯,刘宇,杨慧,徐筠涵,袁艳雪,

单位：1.中国科学技术大学计算机科学与技术学院,合肥230026；2.中国科学技术大学苏州高等研究院,江苏苏州215004；3.南京鼓楼医院,南京210008；4.西北工业大学生命学院,西安710072；

关键词：多任务学习,光电容积脉搏波,压力检测,分布外问题,

基金：江苏省重点研发项目(BE2020665)；；

基于光电容积脉搏波（PPG）的情绪压力检测系统有望能够实现日常的便携监测，但由于不同个体间PPG信号差异显著，导致在对训练时未见过的个体进行压力检测时存在严重的分布外（OOD）问题。针对这一问题，提出了一种基于多任务学习的跨模态压力检测模型（CSMT），通过引入ECG信号重建和多心血管特征预测作为辅助任务，在高维表征空间中对PPG信号的压力检测进行协同优化，从而学习到跨个体的鲁棒压力检测表征。实验结果表明，在WESAD数据集上的留一验证（leave-one-subject-out）测试中，CSMT在三分类（中性/压力/愉悦）和二分类（压力/非压力）任务上的准确率和F1值均优于现有方法，有效缓解了压力检测中的分布外泛化问题。后续的消融实验进一步验证了所提多任务跨模态学习框架在提升模型泛化能力方面的有效性。

来源：2025年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第6期