Home Home 7月11日，最新的研究新闻与美国心脏协会的Apple和Brigham Heart Association以及女子哈佛医学院秀医院
Home Home 7月11日新闻是美国心脏协会与哈佛医院学院之间合作的最新研究，表明用户行为数据（活动，睡眠，运动等）可以反映健康状况，而不是传统的生物学指标，例如心率和血液氧。为了证明这一意见，研究人员使用超过25亿小时的便携式设备数据培训了一种新的基本模型WBM（便携式设备动作模型），并发现其性能明显大于现有解决方案。结果表明，模型性能可以基于未经处理的传感器数据重合或克服现有模型。与以前的健康模型不同，该模型取决于未经处理的数据，例如心率传感器（PPG）和心电图（ECG），WBM直接学习（根据Apple Watch的依次生成）作为高阶行为指标：步骤，步行稳定性，移动性，移动性，最大氧气高度（VOIDYMAX）。 bY研究人员结合了WBM和PPG的数据表征，在一般水平上取得了更精确的结果，在妊娠试验中的准确性高达92％，并继续改善与心血管相关的任务，例如睡眠质量，感染，伤害，伤害和心房纤维化测试。尽管WBM中使用的指标来自传感器，但它们可以更好地突出纯化后的真实行为模式和健康趋势，从而使长期建模的稳定性，可解释性和适应性更高。预先存在的IT家庭查询文章于6月30日在Arxiv发表，并发现“超出了Thesensor：提高设备行为数据基础模型的健康预测能力”的标题来自Apple的心脏和体育研究（AHMS）。消费者的便携式设备（例如智能手表和物理条件跟踪器）在卫生部门提供了许多信息...监测健康的关键Is检测静态健康状况（例如史上吸烟，高血压病史，使用β受体阻滞剂）和动态健康状况（例如睡眠质量，当前怀孕）。工作（体育锻炼，心血管健康，移动性指标）是一种解决此类检测任务的自然数据类型。与原始传感器不同，这些先进的行为指标是通过严格验证的算法处理生成的，并由专家选择以与健康状况相吻合。更重要的是，这些数据反映了个体行为模式，而不是纯粹的生理信号。行为数据具有巨大的健康检测潜力。例如，表征步行和一般活动水平的指标对于检测动态健康状况（例如怀孕）可能很重要。
