ECGFounder
PulseAugur coverage of ECGFounder — every cluster mentioning ECGFounder across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
NeuroECG利用ECG数据进行心脏骤停后的神经预后
研究人员开发了NeuroECG，一个新颖的深度学习框架，它利用心电图（ECG）数据来预测心脏骤停后的神经预后，旨在减少对资源密集型脑电图（EEG）的依赖。该框架通过微调一个预训练的ECG基础模型ECGFounder，并采用分位数池化和主成分分析等技术来提取深度ECG表征。在412名患者身上进行的测试中，NeuroECG使用其适配的骨干网络达到了0.7333的测试AUROC，当与临床协变量结合时，提高到0.8077，证明了在无脑电图环境…
-
新的心电图基础模型对心脏诊断性能进行基准测试
两篇新研究论文介绍了用于心电图（ECG）分析的基础模型，旨在提高心房颤动等病症的诊断准确性。第一篇论文 FOUND-AF 提出了一个基准测试框架，用于在标准化条件下评估现有的心电图基础模型，发现 ECGFounder 最有效。第二篇论文介绍了 LAEF，一个导联无关的基础模型，旨在处理可变的心电图导联子集，在与即时诊断相关的减少导联配置上优于传统模型。
-
新AI方法改进ECG部署，无需保留原始数据
研究人员开发了一种名为“ours”的新颖方法，用于在无法保留早期原始数据的多源心电图（ECG）场景中部署AI模型。该方法冻结预训练的主干网络，并为每个新数据源分配一个独立的分类器，以防止干扰。训练一个轻量级路由器，利用保留的特征和领域标签来选择合适的专家，并通过验证校准的边际规则融合最有可能的两个专家。虽然在多个数据集上，源感知专家选择实现了0.7915的Macro-F1分数，但无ID的自主源推理仍然是主要瓶颈，所提出的融合方法相比标…