Sleep2Word:用呼吸心电信号重建脑电频谱
热点事件持续更新
Sleep2Word:用呼吸心电信号重建脑电频谱
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Keondo Park 等作者提出 Sleep2Word 框架,将呼吸、ECG 或 PPG 等外周生理信号翻译为 EEG 频谱图,方法核心是“时长感知的生理词”。作者称,该框架在 9 个数据集、超过 2 万例 PSG 病例上训练,在 EEG 频谱图重建、睡眠分期、觉醒检测和生存预测上均优于现有基线,全夜序列压缩率最高达 69.7%。 这些结果目前来自作者在 arXiv 论文中的报告,尚待独立验证;其实际临床价值取决于能否在作者所用数据集之外复现。
AI 根据报道生成 · 6 分钟前更新
最新进展11月18日 13:00
Sleep2Word:通过时长感知词化实现外周信号到 EEG 的翻译报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.CLSleep2Word:通过时长感知词化实现外周信号到 EEG 的翻译
Sleep2Word 框架可将呼吸、ECG 或 PPG 信号翻译为 EEG 频谱图,通过时长感知的生理词实现跨模态转换。该方法在 9 个数据集、超 2 万例 PSG 病例上训练,在 EEG 频谱图重建、睡眠分期、觉醒检测和生存预测上均优于现有基线,全夜序列压缩率最高达 69.7%。
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。