LLM辅助过滤EEG睡眠分期标签噪声
热点事件持续更新
LLM辅助过滤EEG睡眠分期标签噪声
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Elmira Salari 与 Shruti Kshirsagar 提出一种仅在训练阶段运行的 LLM 辅助标签噪声过滤流程，用于基于 EEG 的睡眠分期：先用 TinySleepNet 提取每个 epoch 的 SoftMax 置信度，把低置信度样本连同 EEG 频谱特征和序列上下文交给 LLaMA 3.1，按 AASM 睡眠判读规则判定为 RELIABLE 或 SUSPICIOUS，剔除可疑标注后重新训练分类器。 该流程只在训练阶段运行，目的是在重训前识别并移除不可靠的睡眠分期标注。报道未给出过滤后的分类准确率等效果数据。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
LLM 辅助标签噪声校正用于基于 EEG 的睡眠分期分类报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.CLLLM 辅助标签噪声校正用于基于 EEG 的睡眠分期分类
研究者提出一种仅在训练阶段运行的 LLM 辅助标签噪声过滤流程：先用 TinySleepNet 提取每个 epoch 的 SoftMax 置信度，将低置信度样本连同 EEG 频谱特征和序列上下文交给 LLaMA 3.1，按 AASM 睡眠判读规则判定为 RELIABLE 或 SUSPICIOUS，剔除可疑标注后重新训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。