跳到正文
arXiv · AI· Suvadeep Maiti, Keya Sinha, Raju S. Bapi·· 3 天前AI 评分20

面向可穿戴设备的临床人群睡眠分期:基于过渡感知蒸馏的 SleepGPT 框架

Towards wearable-scale, transition-aware sleep staging for clinical populations

AI 导读

针对临床人群睡眠特征差异,提出标签高效的 teacher-student 框架用于可穿戴设备实时睡眠分期。 核心模型 SleepGPT 含 136M 参数,仅用 25% 标注数据指导 31k 参数因果 CNN-GRU(122 KB);引入 Gcv-TAD 过渡感知蒸馏损失。 在 10 折交叉验证中,Gcv-TAD 将每患者 macro F1 平均提升 3.2 至 7.6 点,效果接近全标签训练。

来源:arXiv · AI · arxiv.org