wearable-technology

本文提出了一种基于神经网络的方法，利用呼吸性窦性心律失常从ECG信号中估算呼吸频率。该方法评估了不同的深度学习架构以自动提取特征，为非侵入性监测提供了一种可扩展的解决方案。

本文提出一种使用三轴IMU传感器和集成学习来分类帕金森病严重程度的比较系统，其中LightGBM在各项指标上以约97%的准确率实现最佳性能。

MIT研究人员开发了一款超声腕带，利用AI实时追踪手部动作，从而控制机械手或虚拟环境。该技术发表于《自然·电子学》，旨在突破摄像头和传感手套的局限，改进机器人灵巧训练与VR交互。