自动进食活动追踪系统：面向神经性厌食症的 AI 与可穿戴传感器

项目概览

KU Leuven 招聘博士研究员，岗位嵌入 EAST-STADIUS Division 的 eMedia Research Lab，并与精神病学部脑科学系下的 Mind-Body Research Group 密切合作。

这是一个全额资助、全职的博士岗位，初始合同 1 年，可续至最多 4 年。

研究聚焦神经性厌食症中的进食行为追踪，结合 AI、腕戴式 IMU 传感器和临床合作，建立可解释的数字生物标志物。

公开信息给出的申请截止日期为 2026 年 10 月 15 日，预计 2026 年 11 月 2 日起或尽快开始。

项目详情

该项目位于人工智能、可穿戴传感与临床神经科学的交叉点，目标是为神经性厌食症（AN）中的进食行为建立客观、连续、贴近真实情境的监测方式。eMedia Research Lab 侧重人工智能、机器学习、多模态数据分析和数字健康，具备把先进计算方法和传感技术用于理解人类行为、支持医疗创新的经验；Mind-Body Research Group 则专注精神健康中的心理、行为和生理过程交互，在进食障碍、临床评估、纵向监测以及改进诊断和治疗评估方面有丰富积累。两边的合作意味着申请人既会接触工程侧的方法，也会接触临床侧的研究问题和数据场景。

项目背景很明确：AN 是严重且持续的精神健康障碍，常见行为症状包括限制性进食、回避进餐、僵化的进食模式、延长的进餐时间以及对食物摄入的过度控制。这些表现与疾病严重程度、治疗反应和复发风险紧密相关。但现有临床评估主要依赖自评、回顾性问卷、饮食日记和临床访谈，容易受记忆偏差、社会赞许效应影响，也难以记录患者在日常生活中真实如何进食。项目因此希望借助 AI 和可穿戴传感技术，建立一种更客观、连续且具有生态效度的评估体系。

技术路线以腕戴式惯性测量单元（IMU）传感器为核心。与摄像头或音频监测相比，腕戴式传感器更不易引发隐私顾虑，也更适合在真实场景中持续收集与手到口动作相关的数据。项目要做的不是单纯追求分类准确率，而是把信号处理、机器学习、行为解释和临床可用性结合起来，建立可解释的数字生物标志物，用于描述进食速率、时间组织、行为僵化、变异性以及随时间的变化。这些指标有望帮助团队更早识别行为恶化、评估治疗反应，并观察恢复轨迹。

作为博士研究员，你的工作包括设计、优化和验证可穿戴进食行为监测的数据采集流程；开发稳健的信号处理与机器学习流水线，从 IMU 数据中提取与进食相关的行为模式；构建能够反映进食速度、时间规律性、僵化程度和行为变异性的可解释数字生物标志物；分析这些指标与临床结局之间的关系，特别关注个体内部随时间的变化；并与临床医生、心理学家及其他研究者在多学科环境中协作。项目也要求你通过期刊论文、学术会议和外联活动传播成果。

申请人画像强调 AI4Healthcare、传感技术和临床应用的结合。理想候选人应具备工程类硕士学位，例如计算机科学、人工智能、电气工程、机械工程、生物医学工程或相关专业，并且成绩优秀。Python 编程能力必须扎实；若掌握 PyTorch 或 TensorFlow 等深度学习框架，会更受欢迎。申请人还应对精神病学、神经科学和临床研究有真实兴趣，愿意面对患者与真实医疗问题；具备良好的研究能力和高质量硕士论文也是重要加分项。英语口头与书面能力必须良好，荷兰语被视为明显优势，因为项目涉及与临床合作方及参与者数据采集的互动。岗位还明确提到，申请人需愿意参与数据采集和真实世界实验。

福利方面，岗位为全额资助全职博士职位，提供 KU Leuven 标准薪酬、先进研究基础设施和前沿设备，以及 Doctoral School 体系下的学术与人际技能培训。项目强调跨学科协作和先进方法训练，也意味着申请人会在临床、工程和数据科学之间持续切换。若你想在精神健康方向把 AI、传感器和行为监测真正接到临床应用上，这个岗位的研究路径非常清晰。

申请要点

• 适合背景：工程类硕士，最好是计算机科学、人工智能、电气工程、机械工程、生物医学工程或相关专业。

• 研究内容：腕戴式 IMU、AI、信号处理、机器学习、可解释数字生物标志物、进食行为监测、临床结局分析。

• 经验加分：Python、PyTorch/TensorFlow、临床研究、精神病学/神经科学兴趣、高质量硕士论文、真实世界数据采集经验。

• 语言要求：英语口头和书面能力良好；荷兰语强烈加分。

• 申请材料：动机信、CV、发表/经历信息及其他按招聘系统要求提交的材料。

• 时间安排：全额资助，全职；初始 1 年，可续至最多 4 年；合同预计 2026 年 11 月 2 日起或尽快开始；申请截止 2026 年 10 月 15 日。

• 联系人：Chunzhuo Wang 与 Bart Vanrumste。

• 其他规则：项目涉及与临床伙伴和参与者数据采集互动，申请人需愿意参与实地数据收集。

需要进一步确认

• 公示中只写明按 KU Leuven 标准计薪，没有给出明确月薪区间。

• 参与者数据采集的具体地点、频率和伦理审批边界未进一步说明。

• 荷兰语是强烈优势而非明示硬性门槛，但实际协作中是否构成必需条件仍需确认。

PhD 项目深度调研报告：面向神经性厌食症的 AI 与可穿戴传感器进食行为自动追踪系统

申请判断

申请判断：强，但需要核实匹配度。 这是一个面向 AI 医疗交叉方向、整体质量较强的 KU Leuven 博士机会，适合能够把腕戴式 IMU 信号处理、机器学习、临床研究，以及可解释数字生物标志物开发结合起来的申请者。

公开项目信息显示，研究者将嵌入 KU Leuven 的 eMedia Research Lab，处于 EAST-STADIUS 体系内，并与精神病学/神经科学方向的 Mind-Body Research Group 合作。这一组合本身是连贯的：eMedia 长期从事基于传感器的进食监测和 AI 方法研究，Mind-Body Research 则聚焦进食障碍、日常压力和可穿戴监测（eMedia automatic dietary monitoring, Mind Body Research, Eating disorders and technology project）。

但这个机会并非没有明显待核点。若干项目级事实，包括 2026-10-15 的截止日期、约 2026-11-02 的预期开始时间、全额资助，以及已列出的联系人，当前都来自公开项目信息，因为本次检索中未能稳定取得官方职位详情页的完整文本版本。因此，最重要的核实问题集中在实践层面：准确的薪资或奖学金金额、正式的 promotor/co-promotor 结构、伦理审批与受试者招募进展、设备与数据可用性，以及面向参与者的临床工作在实践中是否需要荷兰语。

研究方向与领域前景

可能的研究切入点

较强的研究切入点包括：

• 面向 eating episode 和 bite/gesture segmentation 的稳健腕部 IMU 流水线；
• 面向临床敏感预测的不确定性估计；
• eating rate、meal duration、temporal regularity、rigidity 和 variability 等可解释数字生物标志物；
• 聚焦个体内纵向变化，而不是只做横断面分类；
• 以疾病严重程度、治疗进展、复发风险或恢复轨迹等临床结局作为验证目标；
• 针对神经性厌食症患者的受试者负担与可接受性分析；
• 尽量避免摄像头/音频污名风险的隐私保护式监测设计。

如果希望在博士阶段形成更站得住脚的贡献，重点应放在一个可解释、并经过临床验证的监测框架上，而不只是受控数据上的更高分类分数。现有实验室论文链条提供了较强的技术基础，而 eating-disorder 相关文献则清楚表明，真正更难的是临床验证。

领域动向

该项目处在一个活跃但仍在成熟中的方向。2024 年关于 eating disorders 中 momentary physiological indices 的系统和方法学综述指出，可穿戴生理测量很有前景，但仍需要更多证据来说明其适用性、耐受性、依从性和临床可用性（PMC systematic review）。另一篇关于 eating-disorder 研究中传感器技术的系统综述也显示，这类方法具有一定可行性和可接受性，但在有效性、可靠性、情境适配和样本多样性方面仍有明显缺口（PubMed sensor review）。

就神经性厌食症而言，2024 年的临床生物标志物综述给出了一个重要提醒：生物标志物可以辅助诊断、风险管理和治疗监测，但必须结合病史采集、临床观察和多学科判断来解释（PubMed AN biomarker review）。这既支持项目的临床生物标志物目标，也提醒不能把模型输出直接当作独立的临床事实。

饮食评估这一侧同样在快速演进。一篇关于 AI 在 food and nutrient intake measurement 中应用的 scoping review 讨论了 image、wearable、text 和 multimodal approaches，同时指出在有效性、准确性和部署落地方面仍存在持续挑战（AI dietary assessment review）。

职业与市场前景

该方向的职业前景整体偏正面。世界经济论坛 2025 年就业展望将 AI and machine learning specialists、big data specialists，以及 software/application developers 列为增长较快的技术岗位（WEF Future of Jobs）。OECD 关于 AI 与 health workforce 的研究则指出，AI 与医疗系统压力缓解相关，但同时会带来角色变化、保障机制和技能重配问题（OECD AI and health workforce）。

欧洲政策和市场环境对 digital health 也相对友好。欧盟委员会的一项研究报告指出，AI 在医疗保健中的使用和计划采用都在增长，欧盟数字健康市场也有望扩张，但规模化仍面临障碍（EC digital health technologies study）。欧盟委员会关于 AI in healthcare 的页面则将 AI 发展与 European Health Data Space、数据质量、安全、公平和临床决策支持场景联系起来（EC AI in healthcare）。MedTech Europe 则提供了医疗技术属于欧洲重要创新与就业领域的更广泛证据（MedTech Europe facts and figures）。

博士毕业后的去向大致包括 academic biomedical AI、wearable sensing、human activity recognition、digital biomarkers、clinical AI validation、remote monitoring、digital therapeutics、medtech data science，以及 health-AI governance。需要注意的是，面向神经性厌食症的数字生物标志物主题相对专门化；更具可迁移性的能力，仍然来自稳健的临床时间序列建模与验证方法。

学校、学科与培养

KU Leuven 在这一课题上的机构信号较强。QS 将 KU Leuven 放在全球前 100，页面显示其 2026 年排名为 60、2027 年为 59（QS KU Leuven profile）。Times Higher Education 将 KU Leuven 列为 2026 年世界大学排名第 46 位，并在 Medical and Health、Computer Science、Engineering 与 Psychology 等学科给出相关位置（THE KU Leuven profile）。KU Leuven 自身披露的研究数据也体现出较强的创新和转化能力，包括 spin-offs、license income 和产业合作（KU Leuven research figures）。

项目所在的培养环境与课题方向也较匹配。KU Leuven 的博士页面说明，学校网站上的资助型博士岗位通常由导师发布，博士训练分布在三个 doctoral schools 中（Start a PhD）。Doctoral Programme in Engineering Science 强调实验室研究、主题训练、通用能力训练、国际化导向，以及预期四年的博士培养周期（Doctoral Programme in Engineering Science）。由于该项目横跨工程与生物医学研究，Health and Technology thematic programme 尤其值得关注：它是 Biomedical Sciences 与 Arenberg Doctoral School 的联合项目，面向 biomedical-technology 类博士课题（Health and Technology programme）。

因此，学校与培养环境的整体信号偏强。当前仍需核实的是行政归属问题：候选人最终会通过 Engineering Science、Biomedical Sciences，还是其他 doctoral-school 路径注册，以及这会如何影响后续训练要求。

导师与实验室评估

导师研究方向

技术匹配度很直接。eMedia 将自己描述为一个围绕传感器、数据分析算法和智能系统构建人本系统的实验室，应用场景包括医疗健康（eMedia about）。其自动饮食监测项目明确提出，利用 AI、智能传感器、多模态传感器/设备融合、信号处理和机器学习，在日常生活中识别进食行为（eMedia automatic dietary monitoring）。

Chunzhuo Wang 的 eMedia 页面将其标识为与 Professor Bart Vanrumste 合作的博士后研究员，当前兴趣集中在进食监测与医疗 AI（Chunzhuo Wang eMedia profile）。KU Leuven 个人目录进一步列出 AI4Healthcare、biomedical signal processing、body sensor networks 和 automated food intake monitoring，并显示其近期论文涉及 intake gesture detection 与 wearable health sensing（Chunzhuo Wang KU Leuven profile）。

Bart Vanrumste 的 STADIUS 页面同样高度相关：页面将他置于 eMedia 和 ESAT-STADIUS 体系下，并描述其在 healthcare decision support、ambient assisted living，以及 home monitoring 的多模态传感器集成方面的研究（Bart Vanrumste STADIUS profile）。KU Leuven 目录还列出 EATANS，即 Enhanced Automated Tracking System for Eating Activities in Anorexia Nervosa，作为他近期项目之一（Bart Vanrumste KU Leuven profile）。

临床合作的信号主要来自 Mind-Body Research。该组官方页面介绍了其在精神障碍中的身心互动研究，包括进食障碍，以及利用可穿戴设备研究日常压力（Mind Body Research）。KU Leuven Research Portal 也将其描述为围绕精神障碍中的生物压力反应和远程患者监测设备开展研究（Mind-body Research Portal）。

近期重要论文

Wang、Hallez 和 Vanrumste 2026 年发表在 IEEE Journal of Biomedical and Health Informatics 的论文，研究了用于 intake gesture detection 的稳健多模态学习，结合非接触式雷达与可穿戴 IMU 传感器。这与项目所需的鲁棒性、多模态学习和缺失模态处理能力高度相关（PubMed record）。

Wang 等人 2024 年发表在 IEEE Journal of Biomedical and Health Informatics 的论文，使用腕戴式 IMU 传感器在近自由生活场景中测量进食速度。这与岗位希望提取 eating rate、temporal organization 等微结构进食行为生物标志物的目标非常接近（imec publication record）。

Wang 等人 2024 年发表在 IEEE Sensors Journal 的论文，利用 IMU 传感器和 multi-stage temporal convolutional network 检测老年人的 eating gestures。虽然对象并非神经性厌食症患者，但它体现了作者在进食行为差异与可穿戴时间序列建模方面的积累（Wageningen record）。

2025 年 EMBC 关于基于 skeleton 的 intake gesture detection 论文使用 spatial-temporal graph convolutional networks，并强调 skeleton 数据在隐私保护方面的优势。即便当前项目更偏向腕部 IMU，这篇论文仍可作为理解隐私与可接受性问题的有益对照（skeleton-based intake gesture paper）。

2024 年 MeMeA 关于 segment-wise IoU 评估的论文提出，评价指标应同时覆盖检测质量和时间分割质量。对本项目而言，这一点尤其重要，因为临床生物标志物关心的是时间、规律性与持续时长，而不只是二分类的进食/非进食标签（segment-wise IoU paper）。

实验室、资源与合作环境

从传感器式 human activity recognition、机器学习、进食监测和医疗决策支持来看，实验室资源信号较强。eMedia 的饮食监测页面列出了与 M-Group、imec 和 Wageningen University & Research 的合作，这说明技术侧周围存在更广的传感器/饮食监测网络（eMedia automatic dietary monitoring）。

临床侧的合作基础也较可信，但仍需在操作层面进一步核实。Mind-Body Research 已在开展与进食障碍和技术相关的研究，使用 experience sampling 和 wearables，在为期一年的设计中研究神经性厌食症中的压力与奖赏学习（EAT project）。这为新博士课题提供了较好的背景证据，但并不能替代对受试者招募、伦理审批、设备清单、标注策略和临床终点的明确确认。

资助、申请与生活成本

公开项目信息写明，该岗位为 fully funded、全职，初始合同 1 年，可续至最长 4 年，薪资按 KU Leuven 标准执行，预计于 2026-11-02 左右开始；公开项目信息中的申请截止日期为 2026-10-15。由于本次检索未能稳定取得官方职位详情页文本，这些项目级信息仍应直接向 KU Leuven HR 或联系人复核。

KU Leuven 的官方 PhD 信息页说明，博士研究者可能以 doctoral scholarship holder 或 research associate 身份任职；scholarship holder 的净收入水平与 assistants 相同，但在税务和雇佣处理上有所不同。页面还列出了年终奖、假日奖金、休假、住院保险、通勤支持等福利（KU Leuven PhD information）。因此，这个资助包相较于自费博士总体有吸引力，但具体净额仍取决于聘用类别和 HR 核算。

生活成本方面，住房是最现实的约束。KU Leuven 估算比利时每月生活支出约为 EUR 1,050-1,400，包含住房、食物、衣物、洗衣、医疗/保险及其他开销（KU Leuven cost of living）。KU Leuven Stuvo 的 2026-2027 Leuven 页面给出的私人房源区间通常从约 EUR 490-575/月起步（共享设施），带独立厨房或卫浴的房型约 EUR 645-730/月；其他居住类别则有所不同（KU Leuven Stuvo study and living costs）。

实际判断是：资助信号不错，但国际新生仍应尽早核实每月净收入，并提前安排住房。

申请者匹配与准备

更适合的背景

更合适的背景偏工程导向：computer science、artificial intelligence、electrical engineering、mechanical engineering、biomedical engineering、signal processing，或密切相关专业。公开项目信息要求申请者具备扎实的 Python 能力，PyTorch 或 TensorFlow 则是明显加分项；同时也要求对 psychiatry、neuroscience 与 clinical research 有真实兴趣，并愿意参与数据采集和真实场景实验。

KU Leuven 的博士申请说明指出，博士候选人通常需要相关的 Flemish 硕士学位或等同的外国高等教育学位，成绩至少达到 distinction，或可由高质量论文/设计成果补足，同时需要具备足够的英语能力（KU Leuven doctoral application instructions）。SET 的语言要求页面给出了 B2 级别的证明路径，包括 IELTS 和 TOEFL 的示例门槛（SET language requirements）。

对中国及其他国际申请者而言，实际准备通常包括：在需要时准备好翻译后的学位和成绩单、英语水平证明或豁免依据、录取后的护照/签证时间线，以及能证明硕士训练等效且与研究方向相关的材料。KU Leuven 的 immigration 页面区分了 EEA 与 non-EEA 在录取后的签证/居留流程（KU Leuven immigration and residence）。

需要谨慎的情况

对于希望做纯理论机器学习、且不愿涉及受试者数据、临床约束和伦理/隐私问题的申请者来说，这个项目大概率并不合适。若申请者只有泛化 AI 课程经历，但缺少信号处理、时间序列数据、生物医学应用或可复现编码证据，风险也会较高。

荷兰语是一个需要单独关注的现实问题。公开项目信息写明，考虑到项目涉及临床合作方和面向参与者的数据采集，荷兰语能力“很有帮助”。这不等于正式硬性要求，但在实践中可能十分重要。没有荷兰语的申请者应重点追问：是否可以用英语完成受试者接触；是否会有荷兰语协作者共同配合；以及是否默认入职后需要补学荷兰语。

建议补强的技能与证据

有帮助的证据包括：

• 用于 time-series ML 的 Python notebook 或代码仓库；
• IMU、accelerometer、wearable 或 human activity recognition 项目；
• PyTorch/TensorFlow 的序列建模经验；
• 信号处理与特征提取经验；
• interpretable ML、不确定性估计或模型校准经验；
• clinical research、ethics、GDPR/privacy 或 digital-health 相关经历；
• 一份简明研究陈述，说明进食行为微结构如何转化为临床上有意义的生物标志物；
• 任何荷兰语能力，或学习基础荷兰语的明确计划。

下一步与待确认问题

以下按申请进程安排沟通。具体提交要求仍以项目的正式申请说明为准。

提交申请前

• 准确的薪资或奖学金金额、聘用类别、福利和社保状态分别是什么？

联系导师或面试时

• 正式的 promotor、co-promotor 和日常 supervisor 分别是谁？Dr Chunzhuo Wang 在日常指导中的角色是什么？
• 针对神经性厌食症受试者招募与可穿戴 IMU 数据采集，伦理审批是否已经到位？
• 计划招募多少名参与者、多少个测量周期和随访点？将使用哪些临床终点？
• 目前已经有哪些 IMU 设备、标注工具、安全存储和既有数据集？
• 在参与者联系、知情同意、临床评估，或与临床合作方协作时，是否必须使用荷兰语？
• 哪个 doctoral school 会正式注册候选人并授予学位？
• 将如何评估不确定性估计、偏差、隐私和临床安全？
• 预期的发表计划更偏向 engineering、biomedical informatics，还是 eating-disorder 相关 venues？
• 将如何处理缺失数据、不依从性和参与者负担？
• 模型验证会更侧重个体内随时间变化，还是主要依赖横断面标签？

接受录取前

• 合同续签的第一年里程碑是什么？
• 会议差旅、受试者补偿、临床数据采集成本和可穿戴硬件是否由项目承担？

证据与来源

学校、项目与资助

• Start a PhD - KU Leuven Research
• Doctoral Programme in Engineering Science
• Health and Technology programme
• KU Leuven PhD information
• KU Leuven doctoral application instructions
• SET language requirements
• KU Leuven immigration and residence

排名与机构信号

• QS KU Leuven profile
• THE KU Leuven profile
• KU Leuven research figures

导师、实验室与研究环境

• eMedia Research Lab about page
• eMedia automatic dietary monitoring
• Chunzhuo Wang eMedia profile
• Chunzhuo Wang KU Leuven profile
• Bart Vanrumste STADIUS profile
• Bart Vanrumste KU Leuven profile
• Mind Body Research
• Mind-body Research Portal
• Eating disorders and technology project
• Eating disorders - Mind Body Research

近期论文与领域前沿

• Robust multimodal intake gesture detection
• Eating speed measurement using wrist-worn IMU sensors
• Detection of eating gestures using IMU sensors
• Skeleton-based intake gesture detection
• Segment-wise IoU for food intake activity recognition
• Momentary physiological indices in eating disorders
• Sensor technology in eating disorders research
• Anorexia nervosa biomarkers in clinical practice
• AI applications to measure food and nutrient intakes

职业市场与生活成本

• WEF Future of Jobs 2025
• OECD AI and the health workforce
• European Commission digital health technologies study
• European Commission AI in healthcare
• MedTech Europe facts and figures
• KU Leuven cost of living in Belgium
• KU Leuven Stuvo study and living costs