Pan-Tompkins algorithm

深度学习模型利用心率信号对新生儿HIE进行分类

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。