arXiv · ML· Bartosz Morawski, Samuel J. Ward, Alex Touze, Lin-Thiri Toon, Paul R. Roberts, John Paisey, Alain B. Zemkoho·· 8 小时前AI 评分35
AmpRatioNet：基于1D CNN的非经静脉 ICD 24小时筛查与可解释性研究
Deep learning for non-transvenous ICD screening: tailored neural network architectures, extended experiments, and explainability
AI 导读
AmpRatioNet 在 S-ICD 和 EV-ICD 的 T:R、P:R 预测中优于 2D 相空间基准，24小时框架将 S-ICD 筛查从 10 秒扩展至全日。 使用 89 名患者的 4,605 段标注 ECG，患者级 10 折交叉验证；易误感知片段错误率比峰值标记算法低最多 14 倍。 为 EV-ICD 提供筛查路径，待设备级验证。
来源：arXiv · ML · arxiv.org