实体
MIMIC-IV-ECG
MIMIC-IV-ECG
PulseAugur coverage of MIMIC-IV-ECG — every cluster mentioning MIMIC-IV-ECG across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的MINN方法可从低标签数据中通过心电图推断电解质
研究人员开发了一种新颖的基于流形感知的神经网络（MINN），即使在标记样本有限的情况下，也能从心电图（ECG）数据中推断电解质水平。与传统的物理信息神经网络不同，MINN利用了从学习到的潜在空间图中导出的流形算子残差，使其能够处理显式物理算子未知的问题。在使用MIMIC-IV-ECG数据集的评估中，MINN在钾、钙和镁水平的分类方面表现出色，钾的Macro-F1得分达到0.61，并且仅使用1%的标记数据就能显示出显著的收益。
-
用于ECG分析的AI模型采用节拍同步分词以提高效率
研究人员为ECG Transformers（一种用于分析心电图的AI模型）开发了一种节拍同步分词方法。与传统的固定时间分块不同，这种新方法将分词与心跳的生理结构对齐。在PTB-XL和MIMIC-IV-ECG等数据集上的实验表明，节拍同步分词在分类任务中可以实现具有竞争力或更优的性能，同时显著缩短序列长度，从而提高模型的效率。
-
超越患者不变性：通过动作条件化 JEPAs 学习心脏动力学
研究人员开发了一种新的医疗保健领域自监督学习方法，超越了传统的不变性方法。他们提出的动作条件化世界模型旨在通过预测未来的生理状态来模拟疾病进展，从而将稳定的解剖学特征与动态的病理变化分离开来。该方法改编自 LeJEPA 框架，并在 MIMIC-IV-ECG 数据集上进行了评估，在关键的分诊任务中表现优于完全监督基线，并在资源匮乏的情况下显示出更高的样本效率。