BridgeRouter: Gain-Aware Instance Routing over Cross-Modal Bridge Portfolios

{"tags": ["Cross-Modal Learning", "Biosignals", "Instance Routing", "Foundation Models", "EEG", "EMG", "ECG", "Healthcare AI"], "risks": ["Phụ thuộc vào chất lượng biểu diễn đặc trưng trích xuất từ frozen encoder trên phương thức đích.", "Dự đoán sai mức gain có thể dẫn đến việc chọn tuyến kém hiệu quả hơn SBS nếu ngưỡng hiệu chuẩn không tối ưu.", "Đòi hỏi chi phí tiền kỳ để thiết lập danh mục đa cầu nối (bridge portfolio) và hiệu chuẩn ngưỡng trên tập kiểm thử validation."], "category": "Research", "entities": ["BridgeRouter", "Single Best Solver (SBS)", "BIOT", "CBraMod", "FOG", "ISRUC", "EEG", "EMG", "ECG"], "summary_vi": "BridgeRouter là cơ chế định tuyến nhận biết mức tăng (gain-aware instance routing) nhằm giải quyết hạn chế của việc chọn một tuyến cầu nối biểu diễn cố định khi chuyển giao mô hình nền tảng EEG sang các tín hiệu sinh học khác (EMG, ECG). Phương pháp thiết lập Single Best Solver (SBS) làm tuyến mặc định và dùng một MLP gọn nhẹ dự đoán mức giảm sai số (negative log-likelihood gain) của các tuyến thay thế so với SBS từ đặc trưng của phương thức đích. Khi suy luận, hệ thống chỉ chạy duy nhất một tuyến (tuyến có gain cao nhất vượt ngưỡng hiệu chuẩn hoặc quay về SBS), giữ nguyên chi phí suy luận tuyến đơn mà không cần dữ liệu EEG. Thử nghiệm thực tế cho thấy BridgeRouter nâng balanced accuracy thêm 11.49 điểm % trên bài toán FOG (EMG) và 3.83 điểm % trên ISRUC (ECG) so với các SBS tương ứng.", "key_changes": ["Định dạng lại bài toán chuyển giao đa cầu nối (multi-bridge transfer) thành bài toán lựa chọn thuật toán ở cấp độ cá thể (instance-level algorithm selection).", "Đề xuất BridgeRouter sử dụng cơ chế dự đoán mức tăng (gain) tương đối so với tuyến mặc định Single Best Solver (SBS) dựa trên mức giảm negative log-likelihood.", "Sử dụng mạng MLP gọn nhẹ học từ biểu diễn của phương thức đích (target modality) qua frozen encoder, không yêu cầu dữ liệu EEG hay nhãn tác vụ khi suy luận.", "Đạt suy luận tuyến đơn (single-route inference) tối ưu tài nguyên: chỉ chạy duy nhất 1 route vượt ngưỡng gain hiệu chuẩn hoặc fallback về SBS.", "Cải thiện balanced accuracy thêm 11.49% trên FOG (vượt BIOT SBS) và 3.83% trên ISRUC (vượt CBraMod SBS)."], "sub_category": "Biosignal Cross-Modal Transfer Learning", "novelty_score": 78, "business_score": 72, "research_score": 85, "why_it_matters": "BridgeRouter giải quyết bài toán hóc búa về chi phí và hiệu năng khi chuyển giao mô hình nền tảng y sinh sang các loại cảm biến mới. Thay vì phải huấn luyện lại toàn bộ mô hình tốn kém hoặc chấp nhận suy giảm độ chính xác do gán một cầu nối duy nhất cho toàn bộ dữ liệu, giải pháp này cho phép tận dụng tính bổ trợ của nhiều cầu nối mà vẫn đảm bảo tốc độ và tài nguyên suy luận của một mô hình đơn lẻ.", "developer_score": 70, "importance_score": 75, "possible_use_cases": ["Phát hiện hiện tượng đông cứng dáng đi (Freezing-of-Gait) cho bệnh nhân Parkinson bằng tín hiệu EMG trên thiết bị đeo.", "Phân loại giai đoạn giấc ngủ tự động dựa trên tín hiệu ECG từ thiết bị theo dõi sức khỏe tại nhà hoặc lâm sàng.", "Tái sử dụng các mô hình nền tảng y sinh đắt đỏ (như EEG) sang các dạng cảm biến sinh học khác mà không cần huấn luyện lại backbone."], "actionability_score": 68}