跳到正文
arXiv cs.AI· Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Steven G. Hershman, Paul Schmiedmayer, Dennis Wang, Allan Lawrie, Daniel Seung Kim, Xin Liu, Akshay Paruchuri, Ehsan Adeli, Euan A. Ashley, Kelly W. Zhang·· 4 小时前AI 评分58

OpenMHC 发布可穿戴健康数据集与基础模型开源实现

OpenMHC: Accelerating the Science of Wearable Foundation Models

AI 导读

研究团队发布 OpenMyHeartCounts(OpenMHC),这是面向合格研究者开放的最大可穿戴健康数据集,并附带近期可穿戴基础模型的开源实现与权重。数据集来自 My Heart Counts 研究应用十余年数据,覆盖 11,894 名参与者、超过 6700 万参与者小时的记录,最多 19 个传感器通道和最多 170 个健康、生活方式、情绪与行为变量。

正文 · AI 翻译

作者:Narayan Schuetz、Yuze Bai、Lianggang Pan、Edgar Eggert、Favour Nerrise、Juan Delgado-SanMartin、Max Rosenblattl、Milana Gurbanova、Mohammad Asadi、Anders Johnson、Steven G. Hershman、Paul Schmiedmayer、Dennis Wang、Allan Lawrie、Daniel Seung Kim、Xin Liu、Akshay Paruchuri、Ehsan Adeli、Euan A. Ashley、Kelly W. Zhang

查看 PDF HTML(实验性)

摘要:移动与可穿戴设备为持续、被动的健康监测和主动健康指导提供了前所未有的机会。然而,最大的可穿戴数据集均为专有,基于这些数据训练的前沿可穿戴基础模型很少开放权重,也鲜有包含可复现的训练代码。为加速可穿戴健康领域的开放科学,我们推出 OpenMyHeartCounts(OpenMHC),这是目前向合格研究人员广泛开放的最大、最全面的可穿戴健康数据集,同时提供近期可穿戴基础模型的开源实现与权重。OpenMHC 源自 My Heart Counts 研究应用十余年收集的数据,包含来自 11,894 名参与者的超过 6,700 万参与者小时的可穿戴记录,覆盖多达 19 个传感器通道(如步数、心率、睡眠、锻炼)以及多达 170 个健康、生活方式、情绪和行为变量。此外,我们建立了一个跨三项任务的标准化评估基准:(1)健康与行为结果预测,(2)多变量数据插补,(3)时间序列预测。在对经典方法与近期可穿戴及时间序列基础模型进行基准测试后,我们发现,尽管基础模型表现强劲,经过精心调优的经典基线(如 XGBoost)仍极具竞争力。通过将广泛可及的可穿戴数据与开放代码和模型权重相结合,OpenMHC 提供了推动可穿戴健康 AI 可复现进展所需的框架。
学科: 机器学习(cs.LG);人工智能(cs.AI)
引用为: arXiv:2607.16235 [cs.LG]
  (或本版本使用 arXiv:2607.16235v4 [cs.LG])
  https://doi.org/10.48550/arXiv.2607.16235

由 DataCite 颁发的 arXiv DOI

期刊 参考: NeurIPS 2026

提交历史

来自:Kelly Zhang [查看邮箱]
[v1] 2026年6月25日 星期四 18:59:23 UTC(2,544 KB)
[v2] 2026年7月21日 星期二 10:33:05 UTC(2,817 KB)
[v3] 2026年8月8日 星期六 18:21:20 UTC(2,819 KB)
[v4] 2026年11月17日 星期二 07:48:50 UTC(4,268 KB)

来源:arXiv cs.AI · arxiv.org