PhysioNet: a Web-based resource for the study of physiologic signals
PulseAugur coverage of PhysioNet: a Web-based resource for the study of physiologic signals — every cluster mentioning PhysioNet: a Web-based resource for the study of physiologic signals across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的REAN技术平衡心电图隐私与效用
研究人员开发了REAN，一种用于心电图（ECG）数据的新型匿名化技术，解决了长期的隐私-效用权衡问题。REAN采用1-D U-Net架构，并使用隐私和效用分类器进行训练以重构ECG信号。该方法实现了隐私和效用之间近乎正交的梯度，从而在对数据效用影响最小的情况下显著增强隐私。在公开的PhysioNet数据库上进行测试，REAN有效地将重新识别风险降低到偶然水平，同时保持了心律失常检测的高准确性。
-
新基准测试 LLM 的多轮临床问答能力
研究人员推出了 EHRNote-ChatQA，这是一个新颖的基准，旨在评估纵向患者出院总结的多轮临床问答能力。该基准源自已去标识化的 MIMIC-IV 数据，包含 967 个患者样本中的 16,000 多个专家验证的问答对。对 22 个 LLM 的初步评估表明，在证据支持和多轮错误累积方面存在显著挑战，这表明在单轮临床问答中的表现不能可靠地转化为这种更复杂的场景。
-
新框架增强了脑机接口的脑电图通道选择
研究人员开发了一种新的多目标优化框架，用于脑机接口（BCI）中的脑电图（EEG）通道选择。该框架旨在通过平衡空间相关性和功能可辨别性来改进运动想象分类，解决了传统单目标方法的局限性。该方法利用遗传算法和粒子群优化来识别紧凑的通道子集，在Physionet、OpenBMI、HighGamma和BCIIV-2A数据集上分别实现了87%、71%、75%和65%的分类性能。该方法提高了BCI性能，并降低了实时应用的计算复杂度。
-
大语言模型通过M3系统简化临床数据访问
研究人员开发了M3系统，该系统使用对话式大语言模型来简化对MIMIC-IV等复杂临床数据库的访问和分析。M3允许用户使用自然语言查询数据，将问题翻译成SQL查询进行执行。评估显示Claude Sonnet 4和开源gpt-oss-20B等模型具有高准确性，证明了本地、隐私保护部署在敏感医疗数据上的可行性。
-
联邦填充框架应对异构特征空间
研究人员开发了 FedHF-Impute，这是一个用于联邦学习的新框架，解决了异构特征空间的挑战。该方法能够更有效地填充分散客户端中的缺失数据，即使它们的特征集不重叠。通过采用共享的全局特征图和消息传递，FedHF-Impute 实现了相关特征之间的间接知识转移，显著提高了具有部分模式重叠的数据集的填充准确性。