医学 AI

Apnea Burden-Guided Framework: Enhancing Out-of-Distribution Generalization in PPG-Based Sleep Apnea Characterization

呼吸暂停负荷引导框架：增强基于PPG的睡眠呼吸暂停表征中的分布外泛化能力

Mantas Rinkevičius, Oskar Pfeffer, Amal Alissa, Nando Hegemann, Vaidotas Marozas

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 该研究提出呼吸暂停负荷引导框架，结合PPG特征与SpO2，提升睡眠呼吸暂停表征效果，增强分布外泛化能力，低复杂度混合架构适用于家庭预防性监测

Comments 16 pages, 13 figures, 4 tables, 53 references. Submitted to the IEEE Access journal

LVCG: Learning ECG Representations in the Latent Vectorcardiogram Space

在向量心电图空间中学习心脏潜在表示

Bosong Huang, Panzhen Zhao, Zengxiang Li, Patricia Lee, Wei Jin, Alan Wee-Chung Liew, Ming Jin, Shirui Pan

机构 * Griffith University, Australia（格里菲斯大学） ； SingHealth Duke-NUS AI in Medicine Institute, Singapore（新加坡SingHealth Duke-NUS医学人工智能研究所） ； Emory University, USA（埃默里大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对标准十二导联心电图表示学习中的冗余和过拟合问题，提出基于Frank向量心电图模型的LVCG框架，在物理潜在空间中学习视图不变的心脏电活动表示，提升鲁棒性和泛化能力。

Deep Multimodal Wearable Sensor Fusion for Detection of Body-Focused Repetitive Behaviors

用于聚焦身体重复行为检测的深度多模态可穿戴传感器融合

Samaneh Rezaeimanesh, Mohsen Behradfar, Mohammad Fili, Guiping Hu

机构 * George Mason University（乔治梅森大学） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究开发多模态深度学习框架，利用腕戴式传感器数据检测聚焦身体的重复行为，在二元及九分类任务中均优于单模态基线，为可穿戴辅助心理健康诊断奠定基础。

SWINSleepNet: A Hierarchical Context-Aware Framework for Sleep Staging (v2)

SWINSleepNet：用于睡眠分期的分层上下文感知框架（v2）

Chongjian Wang, Junjie Gao

机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对现有睡眠分期方法在模糊及过渡分期表现差的问题，提出分层上下文感知的双流框架 SwinSleepNet，在 Sleep-EDF 系列及 SHHS 数据集上验证其在 N1 分期和过渡 epoch 上的性能优势。

Comments Report-no: SDUST-SLEEP-202608-V2; 10 pages, 7 figures, revised updated version of arXiv submit/7867870, conference submission draft

Knowledge-Guided Cross-Modal Fusion for Adult-to-Pediatric ECG Transfer via Label-Conditioned Contrastive Alignment

通过标签条件对比对齐实现成人到儿科心电图转换的知识引导跨模态融合

Xinran Liu, Yuwen Li, Hongxiang Gao, Heyang Xu, Jianqing Li, Zongmin Wang, Chengyu Liu

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Nanjing Medical University（南京医科大学） ； Zhengzhou University（郑州大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究针对成人与儿科心电图转换问题，提出知识引导的跨模态融合框架PEACE，通过标签条件对比对齐等方法，在有限监督下实现更好的儿科心电图解释，消融实验证明标签条件知识对齐是关键驱动因素。

Comments This article was accidentally submitted as a new arXiv paper instead of a replacement of arXiv:2605.00647. Please refer to arXiv:2605.00647 for the correct and updated version

Propagation models for IEEE 802.15.6 standardization of implant communication in body area networks

用于人体区域网络中植入通信的IEEE 802.15.6标准化的传播模型

Raul Chavez-Santiago, Kamran Sayrafian-Pour, Ali Khaleghi, Kenichi Takizawa, Jianqing Wang, Ilangko Balasingham, Huan-Bang Li

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 研究人体区域网络中植入通信的IEEE 802.15.6标准化的传播模型，借助计算机模拟等手段，通过使用超宽带信号及动物物理测量来增强信道模型，为该领域标准化提供支持。

Journal ref IEEE Communications Magazine, vol. 51, no. 8, pp. 80-87, August 2013

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

Toward Energy-Efficient and Low-Power Arrhythmia Detection for Wearable Devices

迈向可穿戴设备的节能低功耗心律失常检测

Floriaan Bulten, Yawar Rasheed, Arlene John, Vincenzo Stoico, Ghayoor Gillani

机构 * Computer Architecture for Embedded Systems, University of Twente, The Netherlands（嵌入式系统计算机架构，特文特大学，荷兰） ； Biomedical Signals and Systems, University of Twente, The Netherlands（生物医学信号与系统，特文特大学，荷兰） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam, The Netherlands（科学学院，计算机科学，阿姆斯特丹自由大学，荷兰） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究针对可穿戴设备心律失常检测中深度学习算法功耗高的问题，通过数据精度降低和近似乘法等近似技术，在保持分类性能的同时显著降低功耗，延长了可穿戴设备电池寿命。

SpindleFlexNet: Flexible sleep spindles detection for EEG signals based on an adaptive one-dimensional RetinaNet-based framework

SpindleFlexNet：基于自适应一维视网膜网络框架的脑电信号灵活睡眠纺锤波检测

Shao-Jun Xia, Jing Bao, Anlan Sun, Xiaoyang Chen, Hongjia Liu, Xiao-Ting Li, Ying-Shi Sun

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 研究针对睡眠纺锤波在脑电信号中占比小、检测难问题，提出SpindleFlexNet框架，基于自适应一维视网膜网络架构，经两个数据集训练和验证，该框架检测性能稳定、泛化性好，为睡眠研究提供实用工具。

Comments 12 pages, under submission

ECGLight: Compute-Light Framework For Paper ECG Digitization and Myocardial Infarction Screening

ECGLight：用于纸质心电图数字化和心肌梗死筛查的轻计算框架

Shreyasvi Natraj, Cyrus Achtari, Felice Gragnano, Andrea Milzi, Marco Valgimigli, Diego Paez-Granados

机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Paraplegic Research（瑞士截瘫研究中心） ； University of Campania “Luigi Vanvitelli”（坎帕尼亚“路易吉·万维泰利”大学） ； University of Italian Switzerland, Cardiocentro Ticino Institute（意大利瑞士大学提契诺心脏中心研究所） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对偏远诊所因资源限制无法利用AI分析纸质心电图的问题，提出端到端轻量级设备端数字化到诊断管道，能将纸质心电图转换为校准信号并筛查病变，经数据集验证，准确率高且运行快，可普及纸质记录并提供决策支持。

Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder

通过物理信息变分自编码器进行短跨桥梁的不确定性感知损伤识别

Ana Fernandez-Navamuel, A. Javier Omella, Diego Zamora-Sanchez, David Pardo

机构 * Basque Center for Applied Mathematics (BCAM)（巴斯克应用数学中心） ； Departamento de Matematica Aplicada, Universidad de Zaragoza/IUMA（萨拉戈萨大学应用数学系/数学及其应用研究所） ； TECNALIA, Basque Research and Technology Alliance (BRTA)（特克纳利亚研究与创新中心，巴斯克科学与技术联盟） ； Department of Mathematics, University of the Basque Country (UPV/EHU)（巴斯克大学数学系） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对基于振动的土木基础设施损伤识别难题，提出物理信息高斯copula变分自编码器框架，嵌入数值特征值求解器并采用高斯copula，减少参数空间，验证表明能准确恢复后验分布，为桥梁损伤诊断提供可靠工具。

Lightweight ML-Based Automatic Sleep Staging Framework with Constrained CNN and Mamba for Small-Sample EEG Datasets

基于轻量级机器学习的自动睡眠分期框架：用于小样本脑电数据集的约束卷积神经网络和曼巴算法

Zihao Wei, Yulin Gong, Yudan Lv

机构 * School of Electronic Information Engineering, Changchun University of Science and Technology（长春理工大学电子信息工程学院） ； Jilin University（吉林大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对小样本脑电数据自动睡眠分期面临的挑战，提出GamSleepNet框架，结合改进Gabor核与可学习滤波器提取特征，用曼巴架构构建网络，引入新损失和训练策略，验证了最佳数据集大小，提升了挑战性睡眠阶段识别准确率。

Digital Twin-Driven Adaptive Sim-to-Real Alignment via Reinforcement Learning for Vibration-Based Bearing Health Monitoring Under Data Scarcity

基于强化学习的数字孪生驱动自适应模拟到真实对齐用于数据稀缺下振动轴承健康监测

Jinghan Wang, Yanjun Chen, Wei Zhang, Wentao Wu, Tianchen Liu, Gaoliang Peng

机构 * Harbin Institute of Technology, China（哈尔滨工业大学，中国） ； Eastern Institute of Technology, China（东方技术研究院，中国） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对数据稀缺下振动监测的故障诊断问题，提出基于强化学习的数字孪生自适应对齐方法，通过策略网络为不同故障类型生成特定仿射变换，平衡特征间隙与类间可分性，在三个数据集上验证了有效性。

Generative Modeling for Physiological Signals

生理信号的生成建模

Xinqi Bao, Ernest Kamavuako, Saikat Chatterjee

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文综述了生成模型在心血管、神经、肌肉等生理信号中的应用，涵盖GAN、VAE、扩散模型等，并提出了分层次评估框架。

CLIP-guided Diffusion Model for Backdoor Generation in Sensor-based Human Activity Recognition

基于CLIP引导的扩散模型在传感器人体活动识别中的后门生成

Toby Briston, Illya Kosyk, Kuniyih S

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出IMU-DM-CLIP方法，利用扩散模型生成带后门的合成数据，以10%注入率和10%引导数据成功攻击HAR模型。

Searching Neural Architectures for Sensor Nodes on IoT Gateways

搜索物联网网关上传感器节点的神经架构

Andrea Mattia Garavagno, Edoardo Ragusa, Antonio Frisoli, Paolo Gastaldo

机构 * University of Genoa（基因瓦大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出一种在物联网网关上自动设计神经网络的方法，保护数据隐私，在Raspberry Pi Zero 2上10小时内搜索出达到SOTA的架构。

Journal ref IEEE Internet of Things Journal, vol. 12, no. 21, pp. 44492-44501, 2025

Label-Conditioned Cross-Modal Fusion for Adult-to-Pediatric ECG Transfer via Curriculum-Gated Contrastive Alignment

基于标签的跨模态融合用于成人到儿童ECG转移 via 课程门控对比对齐

Xinran Liu, Yuwen Li, Hongxiang Gao, Heyang Xu, Jianqing Li, Zongmin Wang, Chengyu Liu

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Nanjing Medical University（南京医科大学） ； Zhengzhou University（郑州大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出PEACE框架，通过预训练和适应性融合提升儿童ECG诊断，采用对比学习和课程适应策略，在有限标注下实现高准确率。

Teleoperated Robotic Arm Movement Using EMG Signal With Wearable MYO Armband

使用可穿戴MYO臂带的电信号实现远程操控机械臂运动

Hussein F. Hassan, Sadiq J. Abou-Loukh, Ibraheem Kasim Ibraheem

机构 * University of Baghdad, College of Engineering, Department of Electrical Engineering（巴格达大学，工程学院，电气工程系） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 本研究通过分析表面肌电信号，利用可穿戴MYO臂带区分七种手部运动，采用模式识别系统实现机械臂的实时控制，其中SVM分类器在准确率上达到96.57%。

A Multi-dimensional Framework for Evaluating Generalization in EEG Foundation Models

评估脑电图基础模型泛化能力的多维框架

Aditya Kommineni, Emily Zhou, Kleanthis Avramidis, Tiantian Feng, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Laboratory（信号分析与解释实验室） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 提出一个多维评估框架，在低资源条件下系统评估EEG基础模型（如LaBraM、CSBrain、CBraMod）的泛化能力，发现其在长上下文任务中表现优异，但在短窗口BCI任务中与监督模型相当，且对通道限制鲁棒性不足。

Comments 24 pages, 5 Figures

HexagonalWarriorMamba: Superior Threshold-Dependent Multi-label Classification of 12-Lead ECG Cardiac Abnormalities

HexagonalWarriorMamba: 12导联ECG心脏异常的阈值依赖多标签分类的更优方法

Huawei Jiang, Husna Mutahira, Shibo Wei, Jiahang Li, Vladimir Shin, Juneho Yi, Dongryeol Ryu, Wonyoung Park, Mannan Saeed Muhammad

机构 * Sungkyunkwan University, Department of Computer Science and Engineering（顺天乡大学计算机科学与工程系） ； Sogang University, Department of Computer Science and Engineering（成均馆大学计算机科学与工程系） ； Gwangju Institute of Science and Technology, Department of Biomedical Science and Engineering（全州科学技术院生物医学科学与工程系） ； Tianjin Normal University, School of Artificial Intelligence（天津师范大学人工智能学院） ； Financial University under the Government of the Russian Federation, Department of Artificial Intelligence（俄罗斯联邦金融大学人工智能系） ； Sungkyunkwan University, Department of Electrical and Computer Engineering（顺天乡大学电气与计算机工程系） ； Queen Mary University of London, School of Electronic Engineering and Computer Science（伦敦皇后玛丽大学电子工程与计算机科学学院） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出HexagonalWarriorMamba框架，通过将12导联ECG视为单通道2D图像而非传统1D时间序列，改进了传统深度学习模型在处理ECG信号长程依赖关系方面的不足，实现了对心脏异常的更优多标签分类。

Comments Submitted to Scientific Reports

ECG-NAT: A Self-supervised Neighborhood Attention Transformer for Multi-lead Electrocardiogram Classification

ECG-NAT：一种用于多导联心电图分类的自监督邻域注意力变换器

Mahsa Gazeran, Sayvan Soleymanbaigi, Fatemeh Daneshfar, Amjad Seyedi, Fardin Akhlaghian Tab

机构 * Department of Computer Engineering, University of Kurdistan（库尔德斯坦大学计算机工程系） ； Department of Mathematics and Operational Research, University of Mons（蒙斯大学数学与运筹学系） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出ECG-NAT，一种自监督学习方法，通过分阶段预训练和微调，有效提取多尺度特征，实现高效准确的多导联心电图分类，仅用1%标注数据即可达到88.1%的准确率。

SHM-Agents: A Generalist-Specialist Integrated Agent System for Structural Health Monitoring

SHM-Agents：一种用于结构健康监测的通用-专家集成代理系统

Yuequan Bao, Xing Li, Huabin Sun, Dawei Liu, Yuxuan Tian, Haiyang Hu

机构 * Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin（工业和信息化部智能防灾减灾重点实验室，哈尔滨工业大学，哈尔滨） ； Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology, Harbin（教育部结构动态行为与控制重点实验室，哈尔滨工业大学，哈尔滨） ； School of Civil Engineering, Harbin Institute of Technology, Harbin（哈尔滨工业大学土木工程学院） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出SHM-Agents，结合大语言模型的推理能力与专用算法的问题解决能力，实现结构健康监测任务的端到端执行，提升部署效率与系统扩展性。

Comments 19 pages, 20 figures

Decentralized Attention Fails Centralized Signals: Rethinking Transformers for Medical Time Series

去中心化注意力失败于中心化信号：重新思考用于医疗时间序列的Transformer

Guoqi Yu, Juncheng Wang, Chen Yang, Jing Qin, Angelica I. Aviles-Rivero, Shujun Wang

机构 * Department of Biomedical Engineering, PolyU（PolyU 生物医学工程系） ； School of Nursing, PolyU（PolyU 护理学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出CoTAR模块，通过集中化MLP替代去中心化注意力，以更好地捕捉医疗时间序列数据中的中心化依赖关系，提升模型效果与效率。

Comments Accepted by ICLR 2026 (Oral). arXiv admin note: text overlap with arXiv:2405.19363 by other authors

Probabilistic data quality assessment for structural monitoring data via outlier-resistant conditional diffusion model

基于鲁棒条件扩散模型的结构监测数据概率质量评估

Qi Li, Yong Huang, Hui Li

机构 * Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology（工业和信息化部智能防灾减灾重点实验室） ； School of Civil Engineering, Harbin Institute of Technology（哈尔滨工业大学土木工程学院） ； Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education（教育部结构动力行为与控制重点实验室） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出基于预测偏差的结构监测数据质量评估方法，利用单变量隐式自回归模型实现异常检测与数据清洗，通过条件嵌入模块、四分位数归一化和Huber损失提升鲁棒性，实验表明该方法在数据质量评估中优于其他基线方法。

Comments 43 pages, 15 figures and 2 tables

Journal ref Expert Systems with Applications, 2026: 132181

An Interactive Graphical Tool to Check the Coarray Continuity of Two-Fold Redundant Sparse Arrays (TFRSAs) Under Single Sensor Failures

一种交互式图形工具用于检查在单传感器故障下的双冗余稀疏阵列（TFRSAs）的共阵连续性

Namya Malik, Ashish Patwari, Sangeetha N

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 本文提出一种交互式图形工具，用于验证双冗余稀疏阵列在单传感器故障下的共阵连续性，通过MATLAB开发的GUI提供全面框架和示例验证，确保阵列配置的冗余性。

Comments 25 pages, 12 figures, 1 Table

A Heterogeneous Long-Micro Scale Cascading Architecture for General Aviation Health Management

一种异构长微尺度级联架构用于通用航空健康管理

Xinhang Chen, Zhihuan Wei, Yang Hu, Zhiguo Zeng, Kang Zeng, Wei Wang

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一种异构级联架构，通过分离全局异常检测与微尺度故障分类，解决接收场悖论，提升航空设备健康管理的准确性和效率。

Comments Significant methodological flaws have been identified in the experimental validation and metric computation procedures that undermine the reliability of the reported results. A comprehensive revision is underway

Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases

深度学习增强的双模式多路复用光学传感器用于心血管疾病的即时诊断

Gyeo-Re Han, Merve Eryilmaz, Artem Goncharov, Yuzhu Li, Shun Ye, Aoi Tomoeda, Emily Ngo, Margherita Scussat, Xiao Wang, Zixiang Ji, Max Zhang, Jeffrey J. Hsu, Omai B. Garner, Dino Di Carlo, Aydogan Ozcan

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Electrical & Computer Engineering Department（电气与计算机工程系） ； Bioengineering Department（生物工程系） ； Chemical and Biomolecular Engineering Department（化学与生物分子工程系） ； Department of Psychology（心理学系） ； Department of Computer Science（计算机科学系） ； Department of Chemistry and Biochemistry（化学与生物化学系） ； Department of Medicine（医学系） ； Department of Pathology and Laboratory Medicine（病理学与检验医学系） ； California NanoSystems Institute (CNSI)（加州纳米系统研究所） ； Department of Surgery（外科学系） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一种结合深度学习的双模式多路复用垂直流分析传感器，实现快速、高灵敏度的心血管疾病诊断，适用于点即诊疗场景。

Comments 32 Pages, 6 Figures, 2 Tables

Journal ref Light: Science & Applications (2026)

PRISM: Lightweight Multivariate Time-Series Classification through Symmetric Multi-Resolution Convolutional Layers

PRISM：通过对称多分辨率卷积层实现轻量级多变量时间序列分类

Federico Zucchi, Thomas Lampert

机构 * ICube, University of Strasbourg（斯特拉斯堡大学ICube实验室） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 PRISM通过对称多分辨率卷积层实现轻量级多变量时间序列分类，采用通道无关方式，在早期阶段应用多分辨率对称卷积滤波器，有效减少参数数量并保持完整感受野，优于现有CNN和Transformer模型。

One Dimensional CNN ECG Mamba for Multilabel Abnormality Classification in 12 Lead ECG

一维CNN心电图Mamba用于12导联心电图多标签异常分类

Huawei Jiang, Husna Mutahira, Gan Huang, Mannan Saeed Muhammad

机构 * Sungkyunkwan University（成均馆大学） ； Sogang University（西江大学） ； Nusa Putra University（努沙普特拉大学） ； Queen Mary University of London（伦敦玛丽女王大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出了一种结合卷积特征提取与Mamba的1D CNN心电图Mamba框架，通过改进的Vision Mamba提升时间依赖性表示，在2020和2021年PhysioNet挑战赛中取得优于现有方法的性能，特别是在AUPRC和AUROC指标上。

Comments 6 Pages, 2 figures

Canine Clinical Gait Analysis for Orthopedic and Neurological Disorders: An Inertial Deep-Learning Approach

犬类临床步态分析用于骨科和神经学疾病的：一种惯性深度学习方法

Netta Palez, Léonie Straß, Sebastian Meller, Holger Volk, Anna Zamansky, Itzik Klein

机构 * University of Haifa（海法大学） ； University of Veterinary Medicine Hannover（汉诺威兽医大学） ； Department of Small Animals Medicine and Surgery（小动物医学与外科系） ； Department of Marine Technologies（海洋技术系） ； Department of Information Systems（信息系统系） 纠错

专题命中 健康监测 ：clinical AI(abstract)；分类 cs.LG

AI总结 本文提出利用惯性传感器和深度学习方法对犬类步态进行分析，以区分骨科和神经学疾病，实现了96%的多类分类准确率和82%的二分类准确率。

Comments 20 pages, 11 figures (one combine 2 images), 7 tables, 41 references