PulseAugur
中
实时 04:06:38
English(EN) Aortic Valve Disease Screening from PPG via Physiology-Guided Self-Supervised Learning

新AI模型利用PPG信号筛查主动脉瓣疾病

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的生理信号引导的自监督学习（PG-SSL）方法，利用光电容积脉搏波描记法（PPG）信号来筛查主动脉瓣疾病（AVD）。该方法利用了来自UK Biobank的约17万条未标记的PPG记录，根据与主动脉瓣狭窄和反流相关的波形表型构建伪标签。在小型标记数据集上进行微调后，该模型在主动脉瓣狭窄上的AUROC为0.8025，在主动脉瓣反流上的AUROC为0.7669，展示了其在低成本、可扩展的AVD筛查方面的潜力。 AI

影响 这项研究展示了一种利用未标记的生理数据来改进低成本心血管疾病筛查的新方法。

排序理由 该集群包含一篇详细介绍用于医疗应用的新机器学习方法的学术论文。[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 →

新AI模型利用PPG信号筛查主动脉瓣疾病

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jiaze Wang, Qinghao Zhao, Zizheng Chen, Zhejun Sun, Deyun Zhang, Yuxi Zhou, Shenda Hong ·

    基于生理信号引导的自监督学习从PPG筛查主动脉瓣疾病

    arXiv:2602.04266v2 Announce Type: replace-cross Abstract: Aortic valve disease (AVD) represents a major public health burden, while its diagnosis relies on echocardiography, which is limited by cost and specialist expertise, restricting scalable screening and risk stratification.…

相关实体

相关话题