标签
本文提出了Synheart Capacity，一种理论驱动的多模态学习框架，从可穿戴心脏和皮肤电信号中建模认知容量动态，从而实现对心理努力和压力状态的连续估计。
谷歌研究人员提出SensorFM，这是一个基础模型，在来自500万人的超过1万亿分钟未标记可穿戴数据上进行训练，学习通用生理模式，并在35项健康预测任务中的34项上优于人工设计的特征。
介绍了Peak-Detector框架，该框架利用指令微调的大语言模型对心电（ECG）、光电容积脉搏波（PPG）、心冲击图（BCG）和体震图（BSG）等生理信号进行鲁棒、跨模态且可解释的峰值检测。该方法将时间序列数据转换为压缩的“峰值表示”格式，并通过监督微调及后续多目标奖励的强化学习进行优化。
介绍NormWear-2，一种将多变量生理信号和临床干预编码到共享潜空间的世界模型，利用混沌理论平衡改进长期预测，涵盖日常生活、即时护理和临床环境。