PulseAugur
中
实时 04:06:10
English(EN) Harmonized Interpretable ECG Waveform Features for Robust Cross-Dataset Clinical Prediction

和谐的心电图特征改善了跨数据集的临床预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种用于心电图（ECG）波形的和谐可解释特征表示，以改善跨数据集的临床预测。这种称为FeatureDB的方法旨在减少在一家医院的数据上训练的模型应用于另一家医院数据时出现的性能下降，解决了协议和测量差异的问题。该研究评估了该方法在心力衰竭分类和死亡率预测等任务上的表现，发现与ConvNeXt等端到端深度学习模型相比，和谐特征在跨数据集迁移中保持了具有竞争力的性能并表现出更大的稳定性。 AI

排序理由 研究论文发表在arXiv上，详细介绍了和谐心电图特征的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

和谐的心电图特征改善了跨数据集的临床预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jie Lin, Weijie Sun, Sunil V. Kalmady, Anita Khalafbeigi, Abram Hindle, Padma Kaul, Russell Greiner ·

    用于稳健跨数据集临床预测的和谐可解释心电图波形特征

    arXiv:2607.23412v1 Announce Type: new Abstract: Electrocardiograms (ECGs) are widely used for cardiovascular risk prediction, yet models often fail to transfer across hospitals because of protocol, population, and measurement differences. We benchmark cross-dataset generalization…

相关实体

相关话题