《Sensors》：Multi-Objective Evaluation of Wearable-Assisted Radar-Only Rehabilitation Monitoring
编辑推荐：
毫米波雷达（millimetre-wave radar, mmWave）提供非接触式运动感知，而可穿戴惯性测量单元（inertial measurement units, IMU）可在推理阶段无需配备的情况下提供特权训练监督。研究人员在mRI数据集（20名健康
毫米波雷达（millimetre-wave radar, mmWave）提供非接触式运动感知，而可穿戴惯性测量单元（inertial measurement units, IMU）可在推理阶段无需配备的情况下提供特权训练监督。研究人员在mRI数据集（20名健康受试者；10种运动）上研究仅雷达运动识别，并区分描述性历史架构与匹配的RTPD-Net与约束微调（constrained fine-tuning, CFT）比较。历史RTPD-Net、PARETO-RKD和AURORA-RKD使用不同的预算、种子或损坏设置进行训练，无法确立首选方法。对于固定的40段测试分割，原始评估报告损坏宏F1（macro-F1）从0.5332变化至0.6945；研究人员的配对重评估（对保存的checkpoint，使用11种损坏条件，每种5次实现）获得0.5370对0.6374（差异0.1004）。受试者聚类引导区间（subject-cluster bootstrap interval）条件于相同四受试者，为[0.0683, 0.1283]，但精确双侧受试者级预测交换检验（exact two-sided subject-level prediction-swap test）给出（四个独立测试受试者），因此统计显著性未确立。五个独立生成的受试者分区种子（subject-partition seeds）（25次完全重训练的折）产生折局部RTPD参考的损坏宏F1为0.5375，验证门控策略（validation-gated policy）为0.5449（平均差异0.0074）；微调在25折中被接受5次。这些结果表明验证门控通常保留参考，且观察到的适应性增益未确认为广泛有用；同时表明鲁棒性收益是异质的，且需要更大独立受试者评估。
研究背景与问题
康复监测需在诊所以外客观追踪运动以支持依从性管理与远程康复。摄像头虽信息丰富，却存在隐私、光照与可见性风险；可穿戴惯性测量单元（inertial measurement units, IMU）直接捕捉身体动力学，但依赖佩戴、充电、定位及持续依从性。毫米波雷达（millimetre-wave radar, mmWave）以非接触、无需可见光成像及弱光可感知运动等优势，适用于康复与辅助生活。核心部署问题在于：能否利用训练时的多模态雷达-IMU教师提升仅雷达学生，且推理时完全移除可穿戴？现有工作多单独优化识别精度、多模态融合或缺失模态容忍，未回答训练时利用可穿戴、推理时彻底去除并在干净、损坏、校准及未见受试者条件下评估的部署问题。因此，有必要开展系统的方法论研究，明确特权可穿戴监督在仅雷达康复识别中的价值与边界。
研究人员开展了什么研究及结论
研究人员基于公开mRI数据集（20名健康受试者，10类康复运动，每类每受试者一段，共200段），将同步IMU作为训练阶段特权监督，推理时严格仅使用雷达，构建了涵盖标准知识蒸馏、表征级蒸馏、反事实鲁棒、质量感知聚合及约束适应的统一分析框架。主要结论如下：历史RTPD-Net、PARETO-RKD与AURORA-RKD因优化预算、种子及损坏设置不一致，仅用于描述性机制刻画，无法确立优先顺序。在固定40段测试分割上，约束微调（constrained fine-tuning, CFT）观察到平均损坏宏F1（macro-F1）提升，原始单次实现增益为0.1613，种子重评估为0.1004，但基于仅四名独立测试受试者的精确双侧受试者级预测交换检验不显著，统计显著性未确立。在五个独立受试者分区种子、共25次完全重训练的折级评估中，验证门控策略仅在5折中接受微调，其余20折自动回退原始RTPD锚点，平均损坏宏F1差异仅+0.0074，表明适应性增益微弱且高度依赖受试者分区。研究说明验证门控通常保留可信参考，收益并非广泛一致，亟需更大规模独立受试者评估。该研究为隐私友好康复监测提供了方法学警示与部署安全策略，强调在缺乏匹配协议与受试者多样性时不宜夸大深度模型的跨域优势。
主要关键技术与样本队列
样本来源于公开mRI数据集P2_10子集，包含20名健康受试者、10类运动，雷达张量具有五通道，六枚IMU各提供12维特征。关键技术包括：变长序列重采样至96时间步，训练阶段仅归一化防止泄露；三阶段卷积帧编码器提取雷达空间特征并投影为128维令牌，经四个残差时间卷积块与注意力池化生成雷达表示；六枚IMU拼接为72维向量，经匹配时间卷积块生成IMU令牌，通过跨模态注意力构建多模态教师。雷达分支先以掩码帧重建与NT-Xent对比学习的自监督学习（self-supervised learning, SSL）初始化。RTPD-Net在标准对数蒸馏外，引入时序对齐、批量内关系匹配、类别原型监督及基于梯度反转层（gradient reversal layer, GRL）的受试者对抗损失。约束微调设置冻结RTPD锚点与可训练副本，对同一干净序列生成两个独立随机损坏视图，结合干净与损坏交叉熵、锚点KL散度、一致性损失及L2-SP参数正则。验证门控依据预定义约束——验证集宏F1降幅不超0.005、准确率降幅不超0.01、期望校准误差（expected calibration error, ECE）升幅不超0.03、平均损坏宏F1须改善——选择检查点，否则回退锚点。统计程序采用配对受试者聚类bootstrap与精确受试者级预测交换检验，并辅以五种分区种子的折级重采样分析。
研究结果
5.1 跨实验操作机制
历史结果中，标准知识蒸馏将雷达-only宏F1从0.4230提升至0.6530；但等预算消融显示标准对数蒸馏（0.7825）优于RTPD-Net完整结构目标（0.7394）。PARETO-RKD在其历史协议中展现出比面向干净方法更强的损坏保持能力，其选择器选择了标准KD锚点；AURORA-RKD获得ECE 0.0889，并通过硬覆盖处理完全模态缺失。因协议不匹配，这些结果仅描述方法行为，不构成统计意义上的优劣排序。
5.2 匹配约束微调
固定分割上，约束微调将干净准确率提升2.5个百分点，干净宏F1提升0.0204；平均损坏宏F1提升0.1613，最坏情况宏F1提升0.1847，ECE从0.1568改善至0.1263。然而，对保存检查点进行11种损坏条件、每种5次实现的配对重评估显示，平均损坏宏F1为0.5370对0.6374，差异+0.1004；尽管受试者聚类bootstrap区间为[0.0683, 0.1283]，但精确双侧受试者级预测交换检验在四受试者下不显著，统计显著性未确立。干净重评估中准确率仅从0.800提升至0.825，对应仅一段额外正确识别。
5.3 目标消融与验证安全选择
仅含鲁棒交叉熵的变体在测试集上各项最优，但因未通过预定义验证约束而被拒绝；anchor+robust+consistency目标满足全部四项门控条件而被选中。该结果明确说明测试集性能不可用于目标选择，验证门控有效阻止未充分验证的适配方案进入部署。
5.4 早期单分区受试者不相交评估
单一分区种子五折中，仅两折接受微调，其余三折回退至折局部RTPD参考。安全策略整体指标略优，但提升主要来源于其中一折，表明该结果仅证明验证门控可避免强制部署未接受更新，而非一致性的跨域收益。
5.5 重复五种子受试者不相交评估
25折完全重训练评估显示，微调仅在5折（20%）中通过门控，其余20折回退。五种子平均下，门控策略干净宏F1为0.7218，参考为0.7189（+0.0029）；平均损坏宏F1为0.5449对0.5375（+0.0074）。尽管种子重采样区间显示正向差异，但条件于相同20名受试者，不构成新的人群泛化显著性检验。与固定分割的大幅提升相比，分组收益显著缩水，说明增益对受试者身份、训练随机性及损坏抽样高度敏感。
讨论部分总结
研究讨论强调，固定分割仅含四名独立测试受试者且每类仅一段，从根本上限制统计检验力；重复损坏抽样仅产生测量实现而非额外独立受试者。历史三方法未在相同预算、校准与损坏生成器下联合重训，其数值无法建立排名。五种子分析虽扩展分区敏感性，但因复用相同20名受试者，其区间不能解释为人群级置信区间。保存检查点与独立损坏抽样未能复现原始0.6945的分数，提示不同评估对象不应互换。组策略仅20%接受率与固定分割大幅改善不一致，说明增益并非均匀鲁棒。此外，参与者均为健康受试者，未涉及临床有效性、错误运动质量评估、多人家庭环境及长期漂移。作者指出未来需在匹配协议下统一重训候选方法，纳入更大独立受试者队列，并前瞻性验证部署门控。
研究结论
毫米波雷达提供非接触式运动感知，可穿戴IMU在训练阶段提供特权监督。重复评估表明回退策略基本不导致性能退化，但未能证明验证门控的实用价值、某一网络的优越性或约束微调的普遍益处。历史RTPD-Net、PARETO-RKD与AURORA-RKD源于不平等协议，仅说明可能性而无法在匹配基准下回答最佳方法问题。固定40段测试分割上，种子化五次实现的匹配损坏评估估计RTPD平均损坏宏F1为0.5370，保存CFT检查点为0.6374，差异+0.1004；但受试者聚类bootstrap区间条件于四受试者，精确双侧受试者级置换检验不显著，反映仅四受试者的根本局限。跨五分区种子与25折评估显示，验证门控策略平均损坏宏F1提升仅+0.0074，微调在5折中被接受、20折中被拒绝，削弱了早期稳定跨域增益的印象。研究支持的结论有限：回退使被拒绝的适应相对锚点无害，但5/25接受率与微小平均增益不足以确立门控普遍有益；跨个体、传感器与临床人群的优越性仍待未来确立。
