冻结的睡眠基础模型补上局部时频分支,纺锤波定位在中等重叠下F1达0.808
睡眠基础模型把数秒脑电压成紧凑词元,时间分辨率不足以精确勾出睡眠纺锤波的起止边界。一种做法是保持SleepFM编码器冻结,另加一条局部时频分支保留11–16 Hz的sigma频段能量与词元内部位置,再用残差交叉注意力引入预训练的时间上下文。在MODA基准的六个折上,事件级F1在IoU 0.2处为0.8080±0.0040,在IoU 0.5处为0.7766±0.0050;更严格的边界重叠下性能下降更快。
睡眠基础模型把数秒脑电压成紧凑词元,时间分辨率不足以精确勾出睡眠纺锤波的起止边界。一种做法是保持SleepFM编码器冻结,另加一条局部时频分支保留11–16 Hz的sigma频段能量与词元内部位置,再用残差交叉注意力引入预训练的时间上下文。在MODA基准的六个折上,事件级F1在IoU 0.2处为0.8080±0.0040,在IoU 0.5处为0.7766±0.0050;更严格的边界重叠下性能下降更快。
在 401 例欧洲多中心前瞻性肺动脉高压(PAH)队列中,将右心室超声心动图参数(尤其是右心室-肺动脉耦联指标)纳入 ESC/ERS 与 REVEAL 2.0 风险评分后,机器学习分析显示死亡与发病预测的 c-index 分别从 0.73 提升至 0.78、从 0.74 提升至 0.79(P<0.01),提示超声心动图可提升现有 PAH 风险评分的预测能力。
已读完全部报道