electrocardiogram | BriefGPT

关键词electrocardiogram

搜索结果 - 43

ICLR通过同时对齐和重建的方式进行多导联心电信号的模态降维表示学习
通过减少模态表示学习，我们提出了一种能够为心电图信号生成与通道无关的统一表示的方法，在重构和对齐的联合优化中，我们确保不同信道的嵌入包含跨信道的整体信息的融合，同时保留其特定信息。在独立的测试数据集上，我们从不同的心电图信道生成高度相关的信
PDFa month ago
利用多特征融合和双向 LSTM 实现资源高效心跳分类
利用多特征融合和双向长短期记忆（Bi-LSTM）的资源高效方法对心电图（ECG）进行心跳分类，通过采用时间间隔和曲线下面积作为特征，改善 RBBB 和 LBBB 类别的分类准确率。
PDFa month ago
NERULA：一种用于心电图信号分析的双通路自监督学习框架
NERULA 是一个双通道框架，结合心电图重构和非对抗学习，用于提取详细的心脏特征，通过在训练过程中结合生成和判别路径，NERULA 在心电图分析中表现出比现有自监督学习基准更好的结果，同时适用于心律失常分类、性别分类、年龄回归和人类活动识
PDFa month ago
DCAE-SR：超分辨率下重建心电图信号的去噪卷积自编码器设计
我们提出了一种新的电信号超分辨率（SR）模型，用于改善心电图（ECG）信号的质量并对心血管诊断产生积极影响。该模型通过使用 DNAE 来增强 ECG 信号内部的时域和频域信息，能够从低分辨率的信号中重建噪声消除的超分辨率信号，以及在 ECG
PDF3 months ago
心电图指令调谐用于报告生成
基于多模态的心电图指令调整框架，首次尝试使用 LLMs 处理心电图报告生成，通过与两个大规模心电图数据集上使用不同 LLMs 的实验来评估 MEIT 的性能，研究结果强调了指令调整 LLMs 的出色性能和其在质量报告生成、零 - shot
PDF4 months ago
一种用于表面肌电信号的非侵入性神经质量评估模型
该研究提出了 QASE-net，这是一种新的非侵入式模型，用于预测 sEMG 信号的信噪比，实验结果显示 QASE-net 具有明显降低的预测误差和与真实结果更高的线性相关性，具备提高 sEMG 质量评估可靠性和精度的潜力。
PDF5 months ago
使用 ECG 频谱图和深度学习进行人格特征识别
该研究采用深度学习方法应用于心电图信号，以创新的方式识别个性特征，通过检测包括外向性、神经质、宜人性、责任心和开放性的五大人格特质模型，探索了心电图衍生的频谱图作为信息特征的潜力，并采用 Resnet-18 和视觉转换器 (ViT) 进行特
PDF5 months ago
SDEMG：基于评分的表面肌电信号抑噪扩散模型
本研究提出了一种名为 SDEMG 的面向 sEMG 信号去噪的基于评分扩散模型的新方法，实验证明 SDEMG 优于比较方法，并产生了高质量的 sEMG 样本。
PDF5 months ago
使用增强学习在全局波形变化上推进心电图诊断 —— 与 P 波和 PR 间期相关
应用 Q 学习强化算法研究在多个可用的 PhysioNet/Computing in Cardiology Challenge (CinC) 数据集上，通过识别 P 波和测量 PR 间期的变化，对心电图（ECG）进行可靠的诊断，Q-Agen
PDF6 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
通过新颖的自动胸部心脏三维重建技术，确定人类心肌梗死后心电图表型中性别差异的解剖基础
电心图 (ECG) 在心脏学中被常规使用，但其解读受解剖变异的干扰。一项新颖的自动化计算流程可通过磁共振成像对胸腔心室解剖度量进行量化，并与 ECG 特征进行比较。基于来自英国生物库的 1051 名健康人和 425 名心肌梗死后患者，探索性
PDF6 months ago
基于去噪扩散生成模型的贝叶斯心电图重建
提出了一种基于健康心电图数据训练的去噪扩散生成模型（DDGM），该模型注重心电图形态学和导联间的依赖关系。结果表明，这种创新型生成模型能够成功生成逼真的心电图信号。此外，还探索了使用 DDGM 解决线性逆贝叶斯问题的最新突破应用。这种方法能
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
EKGNet：一种 10.96μW 完全模拟神经网络用于患者内心律失常分类
我们提出了一种整合模拟计算和深度学习的方法用于心电图（ECG）心律失常分类。我们提出了 EKGNet，一种硬件高效且完全模拟的心律失常分类架构，其在低功耗下实现了高准确性。该架构利用亚阈值区操作的晶体管的能量效率，消除了模数转换器（ADC）
PDF8 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
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
掩码变压器用于心电图分类
本研究提出了一种名为 MTECG 的有用的掩模 Transformer 方法，将掩模自编码器应用于心电图时间序列，实验结果在心电图分类中表现显著优于最新的算法。
PDF10 months ago
通过心脏核磁共振的知识转移解锁心电图的诊断潜力
提出了自监督的对比学习方法，实现了从心电图数据中进行心脏筛查和疾病诊断。
PDFa year ago
多尺度电囊异常检测的交叉恢复框架
该论文提出了一种新的多尺度交叉修复框架来检测和定位心电图异常，通过考虑本地和全局心电图特征利用异常检测和自动编码器，在大量个体上实现了最先进的性能，并提出了一个具有点级标注的挑战性基准数据集。
PDFa year ago