东北大学伟德国际王之琼教授团队在基于传感器的人类活动识别领域取得重要突破，相关工作以“Multi-scale Context-aware networks based on fragment association for Human Activity Recognition“为题，被国际顶级人工智能会议International Joint Conference on Artificial Intelligence（IJCAI，CCF A）录用。该成果由伟德国际王之琼教授指导，由我院学生刘涵瑜（2021级本科生）、赵伯阳（2021级本科生）、沈奇（2022级博士生），李明哲（2021级本科生）、阙宁锋（2021级本科生）及颜铭锞（2021级本科生）的科研团队合作完成。国际人工智能联合大会(International Joint Conference on Artificial Intelligence, 简称为IJCAI)是国际人工智能界最有影响的和权威性的盛会，自1969年以来，每两年举行一次，自2015年起改为每年召开，至今已成功地举行了32届。IJCAI是中国计算机学会（CCF）推荐的人工智能领域A类会议，论文录用率仅为15%。
图1.所提出方法的主要思路
基于传感器的人类活动识别是许多医学人工智能应用的关键组成部分。尽管相关技术取得了优异的成果，但在识别性能和计算效率之间找到平衡点仍然是一项艰巨的任务。通过深入探索 HAR 数据的固有特征，研究提出了一种轻量级特征感知模型，其中包含内部特征提取器和上下文特征感知器。该模型主要由两个阶段组成。第一阶段是分层多尺度特征提取模块，是深度可分离卷积与多头注意力机制的层级式组合，用于提取传统的表层HAR特征。特征经过片段重组操作后，传入第二阶段的上下文感知模块，该模块基于LLM自回归架构，通过自注意力key值Drop方法自适应地调整注意力权重以获得更平滑的注意力向量，对特征片段之间的关系进行感知，从而挖掘出更有价值的特征信息。
图2.所提方法的流程图，包括片段关联方法、内部特征提取模块MSC和上下文感知器CA
据悉，王之琼教授团队近年来，一直在人类活动人工智能识别、计算机辅助诊断、生物信息学、健康大数据分析、医疗区块链技术等领域开展研究工作，相关成果已经在IEEE Transactions on Knowledge and Data Engineering (TKDE, CCF A)、International Conference on Data Engineering (ICDE, CCF A)、International Conference on Web Search and Data Mining (WSDM, CCF B)、International Conference on Database Systems for Advanced Applications（DASFAA，CCF B）以及 IEEE Transactions on Instrumentation and Measurement (TIM)、等期刊及会议发表，提出的医学人工智能系列方法，得到了国内外学术界的高度认可，被广泛应用于医疗健康领域。