ecg | BriefGPT - AI 论文速递

关键词ecg

搜索结果 - 29

使用手工规则增强的神经网络识别心电图异常
通过将临床规则引入卷积神经网络以提高自动心电图诊断性能，该论文提出了一种称为 HRNN 的手工规则增强神经网络，并在两个大型公共心电图数据集上进行了实验。
PDF2 years ago
LRH-Net: 低资源心脏网络的多层知识蒸馏方法
提出了一种低参数模型 LRH-Net，其使用多级知识蒸馏过程训练成多种心电图（ECG）异常，并在压缩输入的 PhysioNet-2020 数据集上进行了评估。该模型的参数是用于检测 CVD 的教师模型的 106 倍以下，能够缩小 75％的
PDF2 years ago
使用深度贝叶斯神经网络从心电记录中进行心律失常分类及拒绝诊断
利用鲍式神经网络在分类预测中进行每次预测的 Monte Carlo dropout 估计不确定性，基于数据和模型的不确定性给出有拒绝策略的 ECG 分类，从而帮助医生识别不确定的病例，并提供更为准确的诊断。
PDF2 years ago
基于循环生成对抗网络的盲源心电图恢复
本文提出了一个新方法，使用 Cycle-GAN 来盲目去噪 ECG 信号，从而提高信号质量，无论信号受到何种类型和严重程度的干扰，使其恢复成临床水平的 ECG。该方法在 CPSC-2020 ECG 数据集上经过了量化和定性评估，并得到了心脏
PDF2 years ago
ECG 应激检测的 Transformer 架构
本文介绍了一种基于卷积层和变压器机制的深度神经网络，用于通过心电信号检测压力，实验结果表明该模型在两个公共数据集 WESAD 和 SWELL-KW 上达到了与 ECG 压力检测领域现有技术水平相当甚至更好的结果。此外，该方法是端到端的，不需
PDF3 years ago
WWW从两个异步导联合成十二导联心电图
使用深度生成模型将两个异步心电图信号生成十二个信号以改进心脏疾病的诊断，并提高对心电图信号的分类表现。
PDF3 years ago
WWWCardioLearn：基于云的心电图心脏疾病深度学习服务
本研究呈现了我们在建立、训练和提供心脏疾病检测的深度学习云服务 CardioLearn 上的工作，该服务可提供公共服务方案，解决了传统 ECG 疾病检测模型存在的诊断率误差高的限制，我们也设计了一个便携式智能硬件设备及与之交互的移动程序，可
PDF4 years ago
深度学习方法在心电图数据中的机遇与挑战：一项系统综述
本文针对 2010 年至 2020 年间应用深度学习模型于心电图 (ECG) 数据的文献进行系统性总结，发现各种深度学习体系结构已被用于心电图分析任务，包括疾病检测 / 分类、标注 / 定位、睡眠分期、生物度量人类识别和去噪等，其中融合卷积
PDF5 years ago
卷积神经网络实现心电信号的心律失常医生级别检测
使用单导联可穿戴监测器记录的心电图，开发了一种算法，可以检测出广泛类型的心律失常，其表现超过了获得认证的心脏病专家。通过 34 层的卷积神经网络，将心电图样本序列映射到节律类别序列，并将其与 6 位独立心脏病专家的性能进行比较。结果表明，该
PDF7 years ago