给 App 开发者
- 先看 [领域综述] 里的任务分类与评估陷阱。
- 再看 [数据与代码] 里的现实起步路径与数据集选择。
- 最后看 [当前研究] 里的开放问题，判断产品承诺边界。
你现在最像哪一类读者
每类用户的最短进入路径
给 AI / DS 研究者
- 先补“周期基础”，建立最小医学约束。
- 再看“医学问题如何变成 AI 任务”。
- 最后进入“评估方法”和“数据与代码”。
给医学 / 临床研究者
- 先读“AI 任务化说明”和方法分类。
- 再看可穿戴信号和模型家族如何服务不同问题。
- 最后进入“文献地图”和 Kaggle baseline 案例。
共同基础路径
- 理解月经预测不是单一任务。
- 理解日历、穿戴、临床三条路径不是一回事。
- 理解平均准确率不足以代表真实有效性。
不要默认 28 天模板
真实世界的周期长度、排卵时机和变异程度差异很大，固定模板会直接把生理噪声误当成建模误差。
不要一上来追复杂模型
在这个领域，标签定义、数据切分和部署约束经常比模型架构本身更决定结果是否可信。
不要把穿戴信号当真值
温度、心率、HRV 是有价值的代理信号，但它们受设备、佩戴位置和人群差异影响。
不要只看平均准确率
规则周期与不规则周期、长周期与高变异周期往往不是同一个预测问题。
日历、穿戴、临床，解决的是相关但不相同的问题
日历 / 历史路径
适合 App 场景、扩展性强、用户负担低，但对不规则周期和历史稀疏情况明显脆弱。
可穿戴生理路径
能捕捉日期历史以外的生理结构，但信号噪声、设备差异和标签弱化问题都很突出。
临床 / 生物标志物路径
最接近生物学 ground truth，但代价高、样本量小，也不适合直接迁移到日常部署环境。
很多研究会把穿戴与临床路径混用：临床信号用于定义标签，但部署时却没有这些标签可用。
为什么这项研究值得认真做
这项研究不只是为了让“下次月经日期预测”多准一点，而是为了理解不同周期动力学、识别服务不足人群，并建立更个体化的支持方式。
这个领域为什么容易让人误判
- 月经预测不是单一 forecasting 问题，而是带有明确生理约束的个体化时间序列问题。
- 排卵并不稳定发生在中点，因此“周期中点启发式”结构上是软弱的。
- 可穿戴温度和心血管信号因设备和佩戴部位而异，不能随意互换。
- 不规则周期常被粗略归为一类，但“长周期”“高变异”“偏移但稳定”代表不同任务。
- 研究间标签规则、切分方式和指标差异很大，导致论文难以直接横向比较。
当前研究空白
不规则周期服务不足
许多方法是在相对规则的人群上构建或报告的，因此它们在真正需要支持的人群中往往没有看上去那么可靠。
缺少统一评估标准
不同研究对排卵定义、评估窗口和指标体系的处理差异很大，跨论文比较因此常常站不住脚。
公开数据依然稀缺
真正影响领域的大规模 App 与设备数据往往是私有的，公开数据更多用于方法验证与基线构建。
部署约束常被忽略
一个模型在回顾性分析里表现很好，不等于它在真实产品部署环境中也能工作。
精选参考文献
- Bull JR, Rowland SP, Berglund Scherwitzl E, et al. Real-world menstrual cycle characteristics of more than 600,000 menstrual cycles. npj Digital Medicine. 2019;2:83. 文章链接
- Li K, Urteaga I, Wiggins CH, et al. Characterizing physiological and symptomatic variation in menstrual cycles using self-tracked mobile-health data. npj Digital Medicine. 2020;3:79. PubMed 链接
- Yu JL, Su YF, Ren YY, et al. Tracking of menstrual cycles and prediction of the fertile window via measurements of basal body temperature and heart rate as well as machine-learning algorithms. Reproductive Biology and Endocrinology. 2022;20:118. 文章链接
- Luo C, Su YF, Ren YY, et al. Prediction of the fertile window and menstruation with a wearable device via machine-learning algorithms. Reproductive BioMedicine Online. 2025;51(1):104795. PubMed 链接
- Jasinski SR, Presby DM, Grosicki GJ, et al. A novel method for quantifying fluctuations in wearable derived daily cardiovascular parameters across the menstrual cycle. npj Digital Medicine. 2024;7:373. 文章链接