研究人员开发了一种名为xMAE的新预训练框架，旨在从生物信号中学习有意义的表示。该方法专门解决了ECG和PPG等不同生物信号之间的时序动态问题，这些信号捕捉了同一生理过程的不同阶段。通过重建掩码的跨模态信号，xMAE促使学习到的表示能够整合生理上相关的时序结构。该框架在各种下游任务上表现出色，优于现有的单模态和多模态基线。 AI
影响 引入了一种新颖的生物信号分析预训练方法，有望提高医学结果预测和其他健康相关任务的准确性。
排序理由 这是一篇详细介绍生物信号表示学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
