arXiv 机器学习· 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34
用于非经静脉 ICD 筛查的深度学习：定制神经网络架构、扩展实验与可解释性
Deep learning for non-transvenous ICD screening: tailored neural network architectures, extended experiments, and explainability
AI 导读
研究人员提出用于非经静脉 ICD 筛查的 24 小时动态框架与一维卷积神经网络 AmpRatioNet，直接分析 ECG 信号以预测过度感知风险。基于 89 名患者共 4,605 个标注片段评估，AmpRatioNet-SE 指标全面领先，在易过度感知片段上的误差增幅比传统算法小多达 14 倍。该框架将 S-ICD 筛查拓展至 24 小时，并为 EV-ICD 建立了可行筛查路径。
来源：arXiv 机器学习 · arxiv.org