研究人员开发了深度学习模型,以更准确地检测新生儿重症监护室中早产儿的呼吸暂停事件。这些模型利用阻抗容积描记图 (IP)、心电图 (ECG) 和光电容积描记图 (PPG) 信号,在性能上优于传统的基于阈值的监测。结合 IP 和 PPG 信号的 ConvNeXt 架构实现了最高的 88.7% 平衡准确率,凸显了深度学习在分析复杂生理数据以进行关键婴儿监测方面的有效性。 AI
影响 提高了关键婴儿监测的准确性,可能减少误报并改善患者预后。
排序理由 该集群包含两篇详细介绍用于医疗应用的深度学习模型研究的学术论文。
- arXiv
- Cessation Of BrEathing (COBE)
- ConvNeXt
- deep learning
- Hugging Face
- impedance pneumography (IP)
- Neonatal intensive care unit (NICU)
- pre-term infants
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →