从腕部运动学习健康特征，Sensori 模型登顶医疗 AI
iScienceLuvr · x · 2026-09-01
研究提出了 Sensori，一个自监督基础模型，能直接从 24 小时原始三轴腕部运动中学习通用健康表征。
- 数据集: 122,640 名参与者，贡献 683,617 人天的自由生活记录。
- 架构: 采用多尺度架构，通过池化操作逐步降低时间分辨率。
- 训练: 结合掩码重建和日级对比学习两种目标，捕捉不同时间尺度的运动模式。
- 结果: 在 102 种符合条件的疾病中的 52 种上，将 Sensori 嵌入添加到临床协变量模型显著提高了 AUROC，在神经和精神疾病方面收益最大。
「研究」频道最新
- ExploitGym 系统提示词显示内容并不有趣 — voooooogel · 2026-09-01
- LightFuse 突破可重光照 3D 高斯重建，画质领先基线 9.74dB — janusch_patas · 2026-09-01
- 质疑 SWA 感受野计算公式谬误 — giffmana · 2026-09-01
- Frontiers 期刊征稿：合成人口在政策模拟中的应用研究 — frederickaplan · 2026-09-01
- 多模态 AI 揭秘形状记忆合金失效微观机制 — bravo_abad · 2026-09-01
- ATGS：锚定时态高斯泼溅用于长体素视频重建 — janusch_patas · 2026-09-01