本研究提出了开放基础模型PaPaGei，旨在解决光电容积描记法（PPG）模型的通用性问题。该模型在超过57,000小时的未标记PPG信号上预训练，显著提升了在心血管健康和睡眠障碍等20项任务中的分类和回归性能，具有重要的健康监测应用潜力。

阿尔茨海默病（AD）与睡眠障碍密切相关。研究利用多导睡眠监测仪获取的脑电图信号进行早期AD检测，采用半监督深度学习技术，SMATE模型在有限标记数据下表现优异，准确率达90%。研究强调空间和时间特征提取的重要性，半监督学习在应对数据稀缺方面具有潜力，为AD检测提供了新的思路。