MM-Net：脑卒中患者睡眠分期与呼吸事件联合评估模型
热点事件持续更新
MM-Net：脑卒中患者睡眠分期与呼吸事件联合评估模型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者提出多模态多任务网络 MM-Net，用 cross-fitting 和 ridge 嵌入对齐解决预训练 EEG 编码器的表征不一致问题，同时完成睡眠分期与呼吸事件检测。在包含 99 名亚急性缺血性脑卒中患者的 iSLEEPS 数据集上，十折患者独立评测取得 76.3% 分期准确率（Cohen's κ=0.656）和 0.825 的呼吸事件 AUC，在相同协议下优于所评估的基线模型。 论文还报告，在 iSLEEPS 上训练的模型不经重新训练，在 ISRUC-I 和 UCD 数据集上分别保留了 0.833 和 0.841 的呼吸事件 AUC。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
MM-Net：面向缺血性脑卒中睡眠分期与睡眠呼吸暂停评估的多模态多任务网络报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIMM-Net：面向缺血性脑卒中睡眠分期与睡眠呼吸暂停评估的多模态多任务网络
研究者提出多模态多任务框架 MM-Net，通过 cross-fitting 和 ridge 嵌入对齐解决预训练 EEG 编码器的表征不一致问题，同时完成睡眠分期与呼吸事件检测。
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。