推文

@kafkaup · 2026-10-09 02:33

📄 Deep Learning for Sleep Heart Rate Estimation from Accelerometers: Toward Population-Scale Cardiac Insight Without Optical Sensors 概述：SeqSmoother是一种仅依靠手腕加速度计（训练阶段借助心电图标签）的变换器模型，用于估计睡眠心率，相比Nightbeat算法覆盖范围更广但单次估计误差更高，其物理启发的次谐波特征能可靠识别谐波锁频失效（AUROC为0.972）。 核心贡献：该论文提出SeqSmoother，一种基于变换器的时序校正模型，仅使用手腕加速度计信号即可估计睡眠心率，并引入物理启发的次谐波特征以识别谐波锁频失效。 实验结果：在13个按参与者划分的保留折中，SeqSmoother的参与者宏平均绝对误差为1.60 bpm；在Nightbeat保留的匹配区间上，Nightbeat的绝对误差（0.615 bpm）低于SeqSmoother（1.091 bpm），但Nightbeat仅在72.85%的可比网格上给出最终估计，覆盖率低于SeqSmoother；此外，所提出的次谐波比率特征在识别谐波锁频候选时取得AUROC为0.972的表现，以上数据均为作者自述结果，未见独立验证。

曝光 63 · 评论 1 · 点赞 0 · 书签 0