该论文介绍了一种基于光谱图边缘检测、能量投影和分类的多阶段过程自动检测和识别叉鲸脉冲训练歌曲的方法，给出了在大量数据集上的定量分析和机器学习分类器的性能，PPV 为 84％，TPR 为 63％，F1 分数为 71％。

May, 2013

本文提出了一种解决第五届野外情感行为分析（ABAW）中 Emotional Reaction Intensity（ERI）挑战的双分支基于多输出回归模型，利用空间关注更好地提取视觉特征，利用 Mel-Frequency Cepstral Coefficients 技术提取声学特征，并添加了一种名为模态丢失的融合多模态特征的方法，在官方验证集上取得了优秀的结果。

Mar, 2023

提出了一个简单的自适应集成分类系统来处理 SSVEP-BCI-AR 应用中的个体间变异性，并评估了在带有头部旋转的应用中我们的集成算法的性能。在多个受试者上进行的测试在 PC 上达到了平均 80% 的准确率，并且在 HoloLens AR 耳机上达到了 77% 的准确率，均超过了前期研究中采用个体分类器和头部运动的结果。此外，我们的视觉刺激时间相对较短，为 5 秒，并表明我们的集成分类方法在 SSVEP-BCI 中表现优于个体分类器。

Aug, 2023

利用 Kaldi-NL 工具，提出了一种自动化的 digits-in-noise（DIN）测试设置，可以在没有人工监督的情况下评估口语反应，并通过评估 Kaldi-NL 的解码响应来分析其性能和对 DIN 测试结果的影响，为临床应用提供可行性。

Dec, 2023

该研究介绍了一种适用于在卫星图像流中检测任务式单次事件相关电位的分布式推理系统，通过利用多个优化于特定任务的模型，确保在各种图像转换时间和目标出现时间下实现卓越性能，在两个范式中试验结果表明，该系统在目标检测中优于传统方法，并且在 AI 范式中引入边界框显著提高了目标识别效果。

Nov, 2023

研究使用基于 ML 的音频分析方法在新型多模式可穿戴设备 LittleBeats 中进行婴儿语言交互的监测，为早期识别和干预身心健康方面的发展障碍提供了可靠的工具和分析结果。

Mar, 2022

本文介绍了我们提交到 ABAW 2020 竞赛的两条流声音视觉分析模型来识别视频中的情感行为。该模型分别处理音频和图像流，并使用卷积神经网络进行分析，同时使用人脸对齐期间提取的附加功能。在训练期间，利用不同情感表达之间的相关性来提高性能。通过在 Aff-Wild2 数据库上的实验，我们的模型取得了有希望的结果。

Feb, 2020

通过深度学习建立的两阶段视觉远程光电测量网络 (DRP-Net) 和边界血压网络 (BBP-Net) 可估算心率和血压，其中 DRP-Net 用于估算心率，BBP-Net 通过分析不同部位的光电信号的相位差估算收缩压与舒张压。与最近的方法相比，本方法在心率估算上减小了 34.31% 的平均绝对误差 (MAE)。

Jan, 2024

研究探讨了通过大脑生物阻抗 (Brain BIOZ) 来估计血压的方法，并提出了一种新的无袖血压估计方法 BrainZ-BP。使用大脑生物阻抗的脉冲传递时间和形态特征，通过四个回归模型估计血压，结果表明该方法在收缩压和舒张压估计上具有很好的表现，适用于基于大脑生物阻抗的颅内压监测场景，实现同时监测血压。

Nov, 2023

该研究使用标准化测试中的语音数据，通过使用 OpenSMILE 特征和支持向量机分类器，成功实现了认知障碍的自动检测，并使用 wav2vec 2.0 特征提取技术进一步提高了识别准确度。

Jun, 2022