热点事件历史事件
全局上下文整合提升跨药物睡眠分期鲁棒性
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
2026年10月20日，一项发表于 Nature 神经科学主题的官方报道介绍了一种新的睡眠分期模型。研究基于13只成年雄性Long-Evans大鼠，提出结合全局上下文向量（GCV）、双向交叉注意力和监督对比学习的方法，用于提升临床前睡眠分期在药物扰动下的稳健性。在受试者留出五折交叉验证中，该模型达到94.4%准确率和94.3%F1，优于SlumberNet（87.0%F1）和随机森林（87.9%F1）。需注意，这是基于大鼠的临床前动物研究，样本量为13只，结果不能直接外推到人类睡眠分期或临床诊断；模型在人类数据及更多药物条件下的表现仍需进一步验证。
AI 根据报道生成 · 8 天前更新
最新进展10月20日 08:00
新报道显示，该大鼠模型在五折交叉验证中达94.4%准确率，优于两种对照方法。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- Nature 神经科学主题精选全局上下文整合提升临床前睡眠分期在药物扰动下的稳健性
一项基于13只成年雄性Long-Evans大鼠的研究提出结合全局上下文向量（GCV）、双向交叉注意力和监督对比学习的睡眠分期模型，在受试者留出五折交叉验证中达到94.4%准确率和94.3%F1，优于SlumberNet（87.0%F1）和随机森林（87.9%F1）。