ecg | BriefGPT - AI 论文速递

关键词ecg

搜索结果 - 29

EB-GAME：心电图心跳异常检测中的变革者
该研究使用深度学习基于生成对抗网络的异常检测模型（EB-GAME）在心电图中仅使用正常信号标签的训练数据进行异常信号检测，并在 MIT-BIH 心律失常数据集上取得了最先进的性能表现。
PDF3 months ago
心电图异常检测：通过自监督学习推进临床诊断
通过利用正常心电图数据集进行自我监督的异常检测，该研究提出了一种新的心电图异常检测方法，结合遮蔽和恢复技术以及多尺度交叉注意模块，实现了对心脏异常的精确检测和定位，从而显著提高了现有模型的性能。
PDF3 months ago
一种基于生理传感器的 Android 应用程序与驾驶模拟器同步的驾驶员监测
本文介绍了一种基于 Android 应用的生理传感器控制和监控系统，与驾驶模拟器实现了同步工作。该应用可以监测驾驶员并分析其生理状态与驾驶表现之间的关系，通过配置、选择、接收、处理、可视化和存储心电图、肌电图、皮肤电反应以及加速度计、磁力计
PDF5 months ago
ECGformer：利用 Transformer 进行心电图心跳心律失常分类
通过使用变压器模型 (ECGformer)，我们发展了一种用于分类心电图数据中各种心律失常的方法，结果表明该方法非常有效。
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
TSRNet: 实时心电图异常检测的简洁框架，多模态时间与频谱恢复网络
通过利用正常心电图数据进行训练，从而利用异常检测来识别不健康的条件；提出了一种名为 TSRNet 的专用网络，该网络能够通过从时间序列和时频领域提取的特征有效地捕捉心电图信号的综合特征，并通过引入基于峰值错误的推理方法来增强心电图异常检测的
PDF7 months ago
ECG 分类中的拓扑特征提取图神经网络
本研究通过使用深度图神经网络提出了三种区分心电图信号的技术，通过从心电图信号中提取拓扑特征并使用图同构网络来对心电图进行分类，三种技术在 PTB 诊断数据集上分别取得了 99.38％、98.76％和 91.93％的心律失常分类准确率。
PDF8 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
ETP: 通过 ECG-Text 预训练学习可迁移的心电图表示
在心血管保健领域，心电图 (ECG) 作为一种关键的非侵入性诊断工具。本研究提出了 ECG-Text 预训练 (ETP) 框架，通过将 ECG 信号与文本报告联系起来，学习跨模态表示。该框架在线性评估和零样本分类任务中表现出色，在 PTB-
PDF10 months ago
ECGBERT: 使用自监督表示学习了解心电图 (ECG) 的隐藏语言
本文提出了一种基于自我监督表示学习的方法 ECGBERT，通过无监督预训练模型，缓解了医疗数据缺乏标注和筛选的问题，并在心房纤颤心律失常检测、心跳分类、睡眠呼吸暂停检测和用户认证等四个任务上展示了 ECGBERT 在各种基于 ECG 的问题
PDFa year ago
利用机器学习预测肺动脉高压症的心电图诊断
这篇研究针对肺动脉高压这一疾病，使用人工神经网络技术，将心电图作为较简易的筛查工具，达到较高的检测准确度，以实现对该疾病的早期诊断和治疗，降低其相关死亡率和发病率。
PDFa year ago
心律失常分类引导的心电图分割模型
本研究提出了一种基于深度学习模型来精确勾画具有不同心律失常类型信号的新方法，使用了一种混合损失函数的分割模型用于心律失常分类，实验结果表明该模型与先前的勾画算法在 Lobachevsky University Database (LUDB)
PDFa year ago
基于侧信道的机器学习心电图分类中的推理信息泄露
本文表明动态时间规整（DTW）算法在心电图（ECG）分类中存在漏洞，并且可以通过侧信道攻击 Flush+Reload 攻击来窃取患者的心电图标签，得到了 84% 的攻击成功率。
PDFa year ago
利用 EEG 辅助深度知识蒸馏提高基于单导联心电图的睡眠分期
利用知识蒸馏从 EEG 到 ECG 的跨模态知识传递，提高了 ECG 睡眠分期的分类性能。
PDF2 years ago
ICML基于心电图的压力检测模型的普适性
本研究探讨了基于心电图 (ECG) 的深度学习模型和基于手工特征 HRV 的应力识别模型对应力数据的概括能力，并发现 HRV 模型在不同数据集上的表现显著优于深度学习模型。
PDF2 years ago
ECG 信号分类的双流网络
本文探讨一种基于 ECG 并采用两个流体系结构的神经网络算法，旨在能够高效地自动分类不同类别的心跳信号类型，实验结果表明，该算法在 MIT-BIH 心律失常数据库上的准确率达到了 99.38％，正面诊断准确率达到了 88.07％。
PDF2 years ago
多视角学习方法提升自动 12 导联心电图诊断性能
本文研究使用深度学习方法对心电图进行自动诊断，并提出了基于多视角学习和数据增强技术的集成方法，取得了优于现有技术的表现，F1 分数达到 0.840。
PDF2 years ago
LightX3ECG：三导联心电图分类的轻量级可解释深度学习系统
本研究开发了一个新颖的深度学习系统，仅使用三个心电图导联就能准确识别多种心血管异常。
PDF2 years ago
ME-GAN：在心脏病情况下学习全景心电表示以进行多视角心电图像合成
本文提出了一种新型的面向疾病的生成对抗网络 ME-GAN 用于多视角心电图合成，实现了以疾病为条件的泛光心电表征，并将它们投影到多种标准视图上，同时还提出了一种新的度量标准 rFID 来评估合成心电图信号的质量。
PDF2 years ago
利用可穿戴心电图和加速度传感器实现跌倒检测的智能应用
本研究使用多个应用组件来研究坠落检测系统的开发挑战和选择，并提供未来研究材料。该系统使用加速度计和 ECG 传感器进行测试，并通过 ResNet152 模型在标准化和洗牌数据集上取得了最佳表现，实现了 92.8% 的 AUC，87.28%
PDF2 years ago