研究人员提出基于多部位心音图的心脏杂音自动表征方法

1. 13:00
   arXiv 机器学习

   基于多部位心音图的心脏杂音自动特征表征研究

   研究人员将心脏杂音表征构建为时相、形状、音调、音质和分级 5 项分类任务，对比了 3 种多部位心音图策略。在 CirCor DigiScope 数据集 735 例患者记录测试中，最佳晚期融合配置在 5 项任务上达到 85.56% 至 93.81% 的未加权平均敏感度。共享表征的多输出 CNN 敏感度为 72.59% 至 79.40%，证实了自动化结构化杂音报告的可行性。

Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.