EchoNext dataset

贝叶斯机器学习通过认知不确定性量化改进心脏病分类

研究人员开发了一种新的机器学习方法，使用心电图 (ECG) 和超声心动图数据对结构性心脏病 (SHD) 进行分类。该研究比较了频率学派和贝叶斯神经网络分类器，发现贝叶斯方法在提供更稳健的认知不确定性量化能力的同时，提供了相当或更优的分类准确性。这种认知不确定性感知系统可以帮助患者分诊，将专家超声检查员的审查引导至具有高可能性 SHD 或测量不确定性的病例，从而可能缓解医疗保健瓶颈。