m-health
PulseAugur coverage of m-health — every cluster mentioning m-health across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
设备端语言模型在隐私保护的压力预测方面显示出潜力
一篇新的研究论文探讨了使用设备端语言模型（ODLMs）通过移动健康数据预测压力水平。该研究评估了这些隐私保护模型在移动资源限制下的可行性，测量了预测准确性、延迟和吞吐量。研究结果表明，轻量级的ODLMs可以实现低延迟和可预测的资源使用，预示着它们在移动心理健康应用中的潜力。
-
全球技术赋能的护理服务市场分析报告发布
一份新的市场分析报告预测了2026年至2032年全球技术赋能的护理服务（TECS）市场。报告详细介绍了包括远程医疗、远程护理和移动健康在内的各个细分市场的规模。旨在为TECS行业的增长和趋势提供见解。
-
新方法通过分离表示和决策误差来校准时序分类
本文介绍了一种新颖的时序分类方法，通过将误差分解为表示失败和决策问题。所提出的方法包括冻结已训练的分类器，并添加两个推理时干预：一个用于辅助逻辑的多尺度残差分支和一个用于重新组合证据的分支感知校准器。在FI-2010和PTB-XL等各种数据集上的实验表明，这些干预措施带来了显著的收益，尤其是在噪声或表示受限的情况下，这表明时序分类受益于改进的证据校准以及表示学习。
-
物理信息AI适配移动传感器以实现鲁棒的人类活动识别
研究人员开发了PI-TTA，一个用于移动设备上鲁棒的人类活动识别的新框架。该方法解决了在适应真实世界传感器数据时遇到的挑战，例如旋转和采样率漂移，这些问题可能导致标准的自适应方法不稳定。PI-TTA使用物理一致性约束，如重力一致性和时间连续性，来稳定在线更新，使其适用于具有最小开销的设备部署。实验表明，在多个数据集上，准确性显著提高，物理违规行为减少。