PulseAugur
中
实时 20:01:30
English(EN) HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals

深度学习模型利用心率信号对新生儿HIE进行分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了HRVConformer，这是一种新颖的深度学习模型，旨在利用心率信号对新生儿缺氧缺血性脑病（HIE）进行分类。该架构结合了用于局部特征提取的卷积层和用于全局上下文的Transformer注意力机制，对原始心率数据进行端到端处理。HRVConformer在一个大型数据集上进行训练，在测试集上取得了83.23%的AUC和74.56%的准确率，优于现有的基线模型，为自动评估HIE提供了有前景的进展。 AI

影响 这项研究引入了一种新的深度学习架构，可以提高新生儿缺氧缺血性脑病诊断的准确性和自动化水平。

排序理由 该集群描述了一篇学术论文中提出的一种新颖的深度学习架构，用于特定的分类任务。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shuwen Yu, William P Marnane, Geraldine B. Boylan, Gordon Lightbody ·

    HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals

    arXiv:2605.26190v1 Announce Type: cross Abstract: This paper presents the HRVConformer, a novel deep learning architecture for the classification of hypoxic-ischemic encephalopathy (HIE) using the instantaneous heart rate (HR) signal. Unlike conventional approaches that rely on h…

相关实体

相关话题