全部 AI 动态 · AI 热点

arXiv cs.LG@Robin Deuber, Lanlan Yang, Michal Bechny, Christoph Heck, Matthias Pfäffli, Matthias Bantle, Florian von Wangenheim, Elgar Fleisch, Wolfgang Weinmann, Manuel Günther, Felix Wortmann, Varun Mishra

一项新研究利用市售智能手表的加速度计和心率变异性数据，检测酒精导致的驾驶损伤。研究在封闭测试轨道上进行了随机对照实验（n=54），训练了逻辑回归和1D卷积神经网络模型。CNN模型检测任何酒精摄入的AUROC为0.88，检测超过WHO推荐限值（0.05 g/dL）的AUROC为0.86。这是首个在真实车辆中验证、并严格评估对未见参与者泛化能力的智能手表酒驾检测系统。该成果展示了可穿戴设备在规模化预防酒精相关交通事故中的潜力。

论文智能手表酒驾检测可穿戴设备交通安全 CNN

推荐理由：这项研究把智能手表从健康监测延伸到公共安全领域，做可穿戴设备或交通安全研究的团队值得关注——它证明了消费级硬件也能做高精度酒驾检测，无需额外车载设备。

原文

5月22日

11:07

arXiv cs.AI@Amir Mousavi, Mohammad Sadegh Sirjani, Erfan Nourbakhsh, Mimi Xie, Rocky Slavin, Leslie Neely, John Davis, John Quarles

精选

实时认知负荷评估对自适应人机交互至关重要，但受限于标注数据少和跨个体泛化差。CogAdapt提出LeadBridge适配器，将3导联可穿戴信号转换为12导联临床格式，并结合ProFine渐进微调策略，防止灾难性遗忘。在CLARE和CL-Drive数据集上，CogAdapt的宏F1分数分别达0.626和0.768，显著优于从头训练的基线模型。该工作证明了基础模型迁移在可穿戴设备上实现个体无关认知负荷评估的可行性。

论文 ECG基础模型认知负荷评估可穿戴设备迁移学习 CogAdapt

推荐理由：做可穿戴设备或脑机接口的团队，终于有了一个把临床大模型直接用到低导联设备上的实用方案——CogAdapt的LeadBridge适配器解决了传感器不匹配的痛点，建议做认知负荷评估的开发者直接参考。

原文

5月12日

19:11

arXiv cs.AI@Timothy Oladunni, Farouk Ganiyu Adewumi

70°

本研究提出了吸引子-血管耦合理论（AVCT），该数学框架证明心脏吸引子几何结构包含足够用于AAMI标准血压估计的信息。通过在46名受试者（29,684个窗口）上的严格留一受试者交叉验证，基于LightGBM的模型实现了收缩压MAE为2.05 mmHg、舒张压MAE为1.67 mmHg，相关度r≥0.99，满足AAMI/IEEE SP10要求。仅使用智能手机相机提取的9个吸引子特征就匹配了ECG+PPG模型，表明仅用手机摄像头即可实现临床级血压追踪。该工作为无袖带血压监测提供了形式化的数学基础。

论文健康监测血压估计 PPG 可穿戴设备数学理论

推荐理由：AVCT为无袖带血压估计提供了严格的数学基础，并验证了仅用智能手机摄像头即可达到AAMI标准，对健康监测和可穿戴设备领域具有重要影响。这意味着更便捷、低成本的血压监测方案有望普及，但需在更大规模人群上验证。

原文