atrial fibrillation | BriefGPT

关键词atrial fibrillation

搜索结果 - 24

SHDB-AF：一份包含心房颤动的日本 Holter 心电数据库
心房颤动是一种常见的心房心律失常，通过机器学习和深度学习的进展，可以提高诊断准确性；然而，要求深度学习模型在种族、年龄、性别和其他因素变化时具有稳健性和可推广性，而现有的心电图数据库中没有包括日本人群的样本。本研究提供了一个新的开源心电图数
PDF14 days ago
基于信号质量感知的 DNN 架构，用于从嘈杂的 PPG 信号中提高心房颤动检测的准确度
提出了一种新颖的深度学习模型 Signal Quality Weighted Fusion of Attentional Convolution and Recurrent Neural Network (SQUWA)，通过使用注意机制动态
PDF3 months ago
揭示心跳特征：采用视觉转换器方法解释心电图信号中的可解释性房颤检测
发展了一种基于远程患者监测的穿戴式单导联心电图（ECG）设备的视觉变换方法，可以识别房颤并鉴别正常窦律和窦性心动过缓。
PDF5 months ago
基于有符号距离场的左房耳分割和统计形状建模
患有心房颤动的患者具有罹患缺血性中风的风险增加了 5-7 倍。本研究通过量化形态学特征并建立统计形状模型，展示了左心耳形状可以通过 5 个主成分分析模式进行量化，并且能够识别出所谓的鸡翅和非鸡翅形态的两个不同形状群集。
PDF5 months ago
通过文本表示解释心内电 gram
利用预训练语言模型为电生理插值和心房颤动分类进行微调，提供了竞争性的分类性能并进行了综合的可解释性研究。
PDF5 months ago
通过路径发展网络优化心房颤动患者的药物决策
通过使用 12 导联心电图数据，本研究引入了一种机器学习算法，用于预测是否应该向房颤患者推荐使用抗凝治疗。该算法利用 STOME 增强时间序列数据，并通过卷积神经网络进行处理。通过引入一种路径发展层，该模型在阴性预测率为 1 的条件下实现了
PDF6 months ago
RawECGNet：原始心电图的房颤检测的深度学习通用性
使用深度学习模型 RawECGNet，通过节律和形态学信息，高效、可泛化地检测房颤和心房扑动的发作。
PDF6 months ago
SiamAF：通过心电图和脉搏图信号学习共享信息以实现稳健的房颤检测
通过提出新的 SiamAF 方法，该方法使用新颖的孪生网络结构和联合学习损失函数，能够从 PPG 和 ECG 信号中学习共享信息，并在预测房颤方面胜过基线方法，且较传统学习方法需要更少的训练标签。
PDF9 months ago
左心房晚期钆增强 MRI 图像质量评估的两阶段深度学习框架
自动化 LGE-MRI 图像诊断质量评估方法，包括左心房检测器和深度神经网络，通过多任务学习和对比学习提高精确度，用于左心房纤维化的可靠高质量扫描和治疗规划。
PDF9 months ago
基于深度神经网络的 12 导联心电图的房颤综合风险预测
通过神经网络模型识别出心电图中无明显房颤迹象但将来可能发展成房颤的患者，并使用生存模型确定了高风险和低风险患者的发病概率，为房颤风险评估提供了有价值且实用的决策辅助信息。
PDF9 months ago
基于注意力机制的深度状态空间建模的连续房颤检测中 PPG 到 ECG 信号转换
我们提出了一种基于注意力机制的深度状态空间模型，将光电脉搏图信号转化为相应的心电图波形，从而通过连续的光电脉搏图监测来补充心电图的准确性以检测成人中最常见的心律失常，房颤。在 MIMIC III 数据库的 55 个受试者上对该模型进行了评估
PDF9 months ago
基于压缩机的房颤检测分类
用压缩器为基础的文本分类方法应用于房颤检测的任务，通过应用正规化压缩距离于 RR 间期序列和 k - 最近邻分类器的配置，以及最优窗口长度，我们取得较好的分类结果，该方法在生物医学数据和连续的随机序列中具有应用潜力。
PDF10 months ago
基于放射组学的深度学习用于左心房 CT 体积中房颤亚型分类
通过将深度学习和放射医学方法相结合，该研究提出了一种新的放射医学信息驱动的深度学习方法，RIDl，用于改进心房颤动亚型的分类，从而解决了现有方法的局限性，并在亚型分类任务中获得了 86.9％的 AUC。
PDFa year ago
基于对比自监督学习的患者相似性方法：以 PPG 信号为例的房颤检测研究
我们提出一种基于对比学习的深度学习框架，用于使用生理信号进行患者相似性搜索。我们使用对比学习的方法来学习具有相似生理信号数据的患者的相似嵌入。我们还引入了一些邻居选择算法来确定具有最高相似性的患者。为了验证我们的框架对于衡量患者相似性的有效
PDFa year ago
使用边界聚焦的 nnU-Net 自动分割左房和 LGE-MRI 上的瘢痕
该研究利用 TopK 损失函数对左心房进行自动分割，并采用基于距离图的技术对左心房瘢痕进行量化，表明使用 nnU-Net 模型的性能优越性，Dice 系数为 88.98 和 64.08%。
PDFa year ago
基于佩戴式心电监测系统、ECG 有损压缩方案和基于 ResNet 的房颤检测器的个性化心脏人群医疗研究
本研究设计了一个个性化健康诊断系统，包括一个可穿戴式心电图设备、移动应用程序和后端服务器，可以对用户的心电信息进行持续监测，以提供个性化的健康警告 / 反馈，通过远程诊断和干预等方式支持与健康顾问的沟通。在此系统中，提出了一种利用心电信号准
PDF2 years ago
ICML使用机器学习的端到端优化心律失常检测流水线，适用于超边缘设备
提出了一种在超边缘设备上进行实时心房颤动检测的高准确度、资源高效的分类器方法，该方法采用了精确的信号特征工程，可以消耗更少的内存、更快的速度以及更高的检测准确率。
PDF3 years ago
IJCAI基于 K 边界残差卷积循环神经网络的房颤检测
本文提出使用基于 K-margin 的残差卷积循环神经网络 (K-margin-based RCR-net) 通过动态数据增强和处理数据不足，训练出在处理噪声心电图 (ECGs) 时表现优秀的识别房颤的神经网络，并取得了 0.8125 的
PDF5 years ago
ECGNET: 深度视觉注意力学习在房颤检测中的应用
本文通过引入双通道深度神经网络，分析 ECG 信号在检测房颤过程中的重要部位，从而更准确地检测心房颤动，并提高性能。
PDF6 years ago
KDD利用可穿戴设备进行原始传感器数据端到端深度学习的心房颤动检测
本文提出了一种使用卷积 - 循环神经网络和长短期记忆的架构来实时处理和分类数字传感器数据，其中使用穿戴式设备采集的 PPG 数据进行了 AFib 检测，结果表明该架构具有良好的准确性。
PDF6 years ago