כתבה
arXiv cs.AI ·
למידה של פיזיולוגיה אנושית תעתועית מ-2 מיליון שעות שינה עם SleepFM-2
Learning transferable human physiology from two million hours of sleep with SleepFM-2
SleepFM-2 משפר את זיהוי המחלות ואת דיווח השינה בעזרת פיזיולוגיה תעתועית. המודל פועל בעזרת 2.2 מיליון שעות שינה. המודל פועל על תצלומי PSG (polysomnography) ומסוגל לזהות תסמינים של שינה. המודל פועל גם על נתוני EHR (Electronic Health Records) ומסוגל לזהות תסמינים של שינה. המודל פועל גם על נתוני UK Biobank ומסוגל לזהות תסמינים של שינה. המודל פועל גם על נתוני accelerometry ומסוגל לזהות תסמינים של שינה.
תקציר מקורי באנגליתarXiv:2609.06849v1 Announce Type: new Abstract: Sleep provides a nightly window into health by capturing coordinated activity across the brain, heart, muscles and respiratory system. We introduce SleepFM-2, a sleep foundation model developed and evaluated on 282,511 polysomnography recordings from 26 cohorts, including 235,865 used for pretraining. These data span more than two million hours of multimodal physiology. Compared with SleepFM, SleepFM-2 improves disease prediction and sleep scoring, supports arousal, limb movement and respiratory event detection, and transfers to wearable sensing and subjective sleep phenotypes. A model combining its PSG representation with age, sex and BMI met a prespecified discrimination and significance criterion for 215 subsequently recorded EHR phenotype
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית