EZHUMALAI P

面向多设备可穿戴传感器的临床诊断，一套跨平台框架把数据流筛选、类别不平衡校正与时空特征学习串成一条链路。此前不同传感器模态、采样率和传输特性各自为政，稀有异常样本稀少，推理结果随设备变化而不稳。在心血管与IoMT两个公开数据集上，该框架的AUC分别为0.966和0.947；在24路数据流下准确率0.9348、精确率0.9305、敏感度0.9615，假阳性率0.0915。

面向多设备可穿戴传感器的临床诊断，一套跨平台框架把数据流筛选、类别不平衡校正与时空特征学习串成一条链路。此前不同传感器模态、采样率和传输特性各自为政，稀有异常样本稀少，推理结果随设备变化而不稳。在心血管与IoMT两个公开数据集上，该框架的AUC分别为0.966和0.947；在24路数据流下准确率0.9348、精确率0.9305、敏感度0.9615，假阳性率0.0915。