研究人员开发了一个新的推理时增强（ITA）框架，以提高生理信号分类的鲁棒性，特别是用于从光电容积脉搏波（PPG）数据中检测心房颤动（AF）。该框架包含13种不同的增强方法，并使用贝叶斯优化来调整超参数，显著提高了分类准确性。将此方法应用于GPT-PPG和ResNet等模型以及多个数据集，在AUROC和AUPRC方面取得了显著改进，降低了误报率，并将ITA确立为实际部署的实用工具。 AI
影响 增强了AI模型在关键生理信号分析中的鲁棒性，有望提高现实医疗环境中的诊断准确性。
排序理由 详细介绍新框架及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →