研究利用不平衡心电图数据解决罕见心脏病检测问题

研究人员利用大量心电图（ECG）记录数据集，对 Wolff-Parkinson-White（WPW）综合征（一种罕见的心脏病）的检测进行了研究。该研究旨在解决显著的类别不平衡问题，在 66,951 条记录中仅有 142 例 WPW 病例。在防止数据泄露的受控协议下，比较了包括不同信号表示和自监督预训练在内的各种检测方法。研究结果表明，增加模型的多元化和容量并未显著提高检测性能，甚至一个特征联合模型也仅能与一个简单的两成员投票模型相匹配。错误分析显示，漏诊的病例通常具有较窄的 QRS 波群，而一些假阳性则是被错误标记的记录。 AI

影响 这项研究突显了在类别不平衡数据集上应用人工智能进行罕见病检测所面临的挑战，可能为未来医学人工智能的发展提供参考。

排序理由 关于特定医学检测问题的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• Chapman-Shaoxing-Ningbo
• PTB-XL
• Wolff–Parkinson–White syndrome

• 论文
• 其他

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