研究人员开发了一个名为DeepHHF的深度学习模型，该模型可以使用24小时心电图（ECG）数据预测五年内发生心力衰竭的风险。该模型在Technion-Leumit Holter ECG (TLHE) 数据集上进行训练，在受试者工作特征曲线下面积（AUC）方面达到了0.80，优于传统方法。可解释性分析显示，DeepHHF关注心律失常和心脏异常，凸显了人工智能在无创且易于获取的心力衰竭风险预测方面的潜力。 AI
影响 这项研究展示了人工智能在改善无创且易于获取的心力衰竭风险预测方面的潜力，可能导致更早的干预和更好的患者预后。
排序理由 该集群包含一篇详细介绍新人工智能模型及其在特定任务上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
