Aristotle University of Thessaloniki

引力波族群研究要反复评估上百万个模拟双黑洞的可探测性，每次都要生成波形再做噪声加权内积，累计成本很高。asmaNet把11维双黑洞参数直接映射到单探测器相位平均最优信噪比，在10万到100万样本的匹配训练协议下，于每个数据规模都优于MLP、1D-ResNet和Transformer编码器基线，模型仅约73.2万参数。在100万样本的留出测试集上，经保序单调校准后准确率达到99.29%，单GPU每秒可完成约12万次信噪比评估。

引力波族群研究要反复评估上百万个模拟双黑洞的可探测性，每次都要生成波形再做噪声加权内积，累计成本很高。asmaNet把11维双黑洞参数直接映射到单探测器相位平均最优信噪比，在10万到100万样本的匹配训练协议下，于每个数据规模都优于MLP、1D-ResNet和Transformer编码器基线，模型仅约73.2万参数。在100万样本的留出测试集上，经保序单调校准后准确率达到99.29%，单GPU每秒可完成约12万次信噪比评估。

在 401 例欧洲多中心前瞻性肺动脉高压（PAH）队列中，将右心室超声心动图参数（尤其是右心室-肺动脉耦联指标）纳入 ESC/ERS 与 REVEAL 2.0 风险评分后，机器学习分析显示死亡与发病预测的 c-index 分别从 0.73 提升至 0.78、从 0.74 提升至 0.79（P<0.01），提示超声心动图可提升现有 PAH 风险评分的预测能力。

在 401 例欧洲多中心前瞻性肺动脉高压（PAH）队列中，将右心室超声心动图参数（尤其是右心室-肺动脉耦联指标）纳入 ESC/ERS 与 REVEAL 2.0 风险评分后，机器学习分析显示死亡与发病预测的 c-index 分别从 0.73 提升至 0.78、从 0.74 提升至 0.79（P<0.01），提示超声心动图可提升现有 PAH 风险评分的预测能力。