可穿戴设备记录生理和行为信号，有助于改善健康预测。我们利用超过25亿小时的可穿戴数据，开发了行为信号基础模型，该模型在57个健康相关任务中表现优异，尤其在睡眠预测等行为驱动任务中，结合原始传感器数据后效果更佳。这表明基础模型设计需针对可穿戴设备，以推动新健康应用的发展。
本研究针对全球老龄化问题，设计了智能老年护理服务模型，利用多模态数据融合技术，提高了老年人健康行为预测的准确性和稳健性，为健康管理提供技术支持。
本研究提出MPLite框架，解决医疗健康记录中单次访问记录被忽视的问题。通过结合轻量神经网络与实验室结果，显著提升健康预测能力，优于现有模型。
完成下面两步后，将自动完成登录并继续当前操作。
