OpenMHC：加速可穿戴基础模型科学研究

arXiv cs.LG 论文
wearable foundation-models health-monitoring open-source dataset benchmark time-series

摘要

OpenMHC推出了最大的开放获取可穿戴健康数据集，包含超过6000万小时的数据，并提供了可穿戴基础模型的开源实现，包括用于预测、插补和时序预测的统一基准测试。

arXiv:2607.16235v1 公告类型：新 摘要：移动和可穿戴设备为持续、被动的健康监测和主动的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并未公开供研究使用，基于此类数据训练的领先可穿戴基础模型很少开放权重或附带可复现的训练代码。为了加速可穿戴健康领域的开放科学，我们发布了OpenMyHeartCounts（OpenMHC），这是迄今为止最大、最全面的开放获取可穿戴健康数据集，同时附带了近期可穿戴基础模型的开源实现。OpenMHC源自通过My Heart Counts研究应用收集的十多年数据，包含超过6000万小时的可穿戴数据，涵盖19个传感器通道（如步数、心率、睡眠、锻炼）以及多达169个关联变量，包括来自11,894名征得同意参与者的健康、生活方式、情绪和行为数据。此外，我们引入了一个统一的开放基准测试，能够对可穿戴健康模型进行标准化比较，涵盖三个赛道：健康与行为下游预测、多变量数据插补和时间序列预测。我们对经典方法以及近期可穿戴和多变量时间序列基础模型进行了基准测试。通过以这一前所未有的规模开源数据、代码和模型权重，我们旨在使可穿戴健康AI研究民主化，并推动社区在这一领域取得开放进展。
查看原文
查看缓存全文

缓存时间: 2026/07/21 06:46 

# OpenMHC：加速可穿戴基础模型的科学
来源：https://arxiv.org/abs/2607.16235  
作者：Narayan Schuetz (https://arxiv.org/search/cs?searchtype=author&query=Schuetz,+N), Yuze Bai (https://arxiv.org/search/cs?searchtype=author&query=Bai,+Y), Lianggang Pan (https://arxiv.org/search/cs?searchtype=author&query=Pan,+L), Edgar Eggert (https://arxiv.org/search/cs?searchtype=author&query=Eggert,+E), Favour Nerrise (https://arxiv.org/search/cs?searchtype=author&query=Nerrise,+F), Juan Delgado\-SanMartin (https://arxiv.org/search/cs?searchtype=author&query=Delgado-SanMartin,+J), Max Rosenblattl (https://arxiv.org/search/cs?searchtype=author&query=Rosenblattl,+M), Milana Gurbanova (https://arxiv.org/search/cs?searchtype=author&query=Gurbanova,+M), Mohammad Asadi (https://arxiv.org/search/cs?searchtype=author&query=Asadi,+M), Anders Johnson (https://arxiv.org/search/cs?searchtype=author&query=Johnson,+A), Paul Schmiedmayer (https://arxiv.org/search/cs?searchtype=author&query=Schmiedmayer,+P), Dennis Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+D), Allan Lawrie (https://arxiv.org/search/cs?searchtype=author&query=Lawrie,+A), Daniel Seung Kim (https://arxiv.org/search/cs?searchtype=author&query=Kim,+D+S), Xin Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+X), Akshay Paruchuri (https://arxiv.org/search/cs?searchtype=author&query=Paruchuri,+A), Ehsan Adeli (https://arxiv.org/search/cs?searchtype=author&query=Adeli,+E), Euan Ashley (https://arxiv.org/search/cs?searchtype=author&query=Ashley,+E), Kelly W\. Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+K+W)

查看PDF (https://arxiv.org/pdf/2607.16235)

> 摘要：移动和可穿戴设备为持续、被动的健康监测和主动的健康指导提供了前所未有的机遇。然而，最大的可穿戴数据集并未公开供研究使用，且在这些数据集上训练的主流可穿戴基础模型很少开放权重或附带可复现的训练代码。为了加速可穿戴健康领域的开放科学，我们发布了 OpenMyHeartCounts（OpenMHC），这是迄今为止最大、最全面的开放获取可穿戴健康数据集，同时开放了近期可穿戴基础模型的开源实现。OpenMHC 源自通过 My Heart Counts 研究应用收集的超过十年数据，包含超过6000万小时的可穿戴数据，涵盖19个传感器通道（例如步数、心率、睡眠、锻炼）以及多达169个关联变量，涉及健康、生活方式、情绪和行为，来自11,894名同意参与的受试者。此外，我们引入了一个统一的开放基准测试，支持在三个轨道上进行可穿戴健康模型的标准化比较：健康和行为的下游预测、多变量数据插补以及时间序列预测。我们对经典方法以及近期的可穿戴和多变量时间序列基础模型进行了基准测试。通过以前所未有的规模开放数据、代码和模型权重，我们旨在使可穿戴健康人工智能研究大众化，并使社区能够推动这一领域的开放进步。

## 提交历史

来自：Kelly Zhang [查看电子邮件 (https://arxiv.org/show-email/12166150/2607.16235)] **\[v1\]** 2026年6月25日星期四 18:59:23 UTC（2,544 KB）

相似文章

Inertia-1：可穿戴运动基础模型的开源探索

arXiv cs.LG

Inertia-1 是一项完全开源的可穿戴运动基础模型探索，利用了超过 1820 万小时的加速度计数据，系统性地研究了 15 个数据集中的数据、模型和训练选择，用于活动识别和疾病预测等任务。