今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

BCGNet:一种基于60万小时睡眠数据训练的AI模型,用于新型枕下非接触式监测设备

《npj Digital Medicine》:BCGNet: an AI model trained on 600 K hours of sleep data for a novel under-pillow contactless monitoring device

【字体: 大 中 小 】 时间:2026年07月04日 来源:npj Digital Medicine 18.0

编辑推荐:

  摘要睡眠对健康有着重要影响,但目前最常用的多导睡眠图检测方法存在成本高、易引起不适以及难以进行长期监测的局限。弹道心动图则是一种无创且易于使用的替代方案,但其精度往往不足以满足实际应用需求。为弥补这一缺陷,我们提出了BCGNet,这是一种两阶段迁移学习模型,首先在580,865小

  

摘要

睡眠对健康有着重要影响,但目前最常用的多导睡眠图检测方法存在成本高、易引起不适以及难以进行长期监测的局限。弹道心动图则是一种无创且易于使用的替代方案,但其精度往往不足以满足实际应用需求。为弥补这一缺陷,我们提出了BCGNet,这是一种两阶段迁移学习模型,首先在580,865小时的多导睡眠图数据上预训练,然后在15,081小时的弹道心动图数据上进一步微调并验证(总计595,946小时的记录数据)。在多个验证组中,BCGNet在四类睡眠分期分析(F1值:0.710?0.817)、呼吸暂停低通气指数估算(皮尔逊相关系数>0.95)以及睡眠连续性和结构量化方面均表现出优异性能(ICC和皮尔逊相关系数通常>0.8)。值得注意的是,即使是在短暂的日间小睡情况下,BCGNet仍能保持良好性能,并且在不同的外部数据集上也能展现出出色的泛化能力。作为一种便携式、非接触式的睡眠监测装置,BCGNet为长期家庭睡眠监测提供了更为实用且可扩展的解决方案,对于人群筛查和个性化睡眠医学具有重要的意义。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:多导睡眠图|提篮式下胸部随心跳运动检测|睡心自动识别级别|呼吸暂停低通气指数估算|睡眠质量分析|非侵入式睡眠监测技术|全天候睡眠持续监测

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号