跳到主要内容
检索

# SleepGPT

1 篇关联报道

订阅更新
  1. arXiv

    临床睡眠分期不再依赖整夜人工标注:用四分之一患者标签,轻量模型把N1识别拉近全量训练

    临床人群的睡眠更碎,觉醒更多、N1更多、快速眼动睡眠更少,而自动分期模型多在健康人身上训练,迁移到患者时性能下降。研究者让一个1.36亿参数的睡眠基础模型SleepGPT在每队列仅25%患者标签上微调,再以教师—学生方式指导一个3.1万参数、122 KB的因果CNN-GRU实时分期脑电与眼电。新的过渡感知蒸馏损失Gcv-TAD在患者级10折交叉验证中,把每患者宏F1比同标签监督训练平均提高3.2至7.6个百分点,增益最大出现在N1,性能接近全量标签训练。

已读完全部报道