Goal
设计目标
原始脉搏波时序与高阶统计特征表达不同，单一目标训练也容易限制模型泛化能力。
PPG-Former Dual-Stream Multi-Task Model
PPG-PRV 双流协同多任务心理压力预测模型
基于光电容积脉搏波与脉率变异性的双流协同多任务心理压力预测模型，通过生理先验位置编码、跨模态注意力与多任务学习提升模型表现。
- 类型
- 算法设计与实现
- 周期
- 2024.09 - 2025.07
- 核心模块
- PPG-Former / 双流协同 / 多任务学习
- 技术栈
- Python / PyTorch / Time Series / Multi-task
Overview
项目概览
构建脉搏波信号采集、处理和预测全流程，通过生理先验位置编码、跨模态注意力与多任务学习提升模型表现。
2.8压力评估 MAE
82%五类情绪准确率
2联合学习目标
Approach
架构思路
嵌入心跳周期生理先验，并通过跨模态交互注意力融合多类特征；联合优化压力回归与情绪分类目标。
Architecture
项目架构
Pulse Sensor
→Signal Processing
→Feature Fusion
→Multi-task Model
→Assessment