arXiv 机器学习· Marcelo Nogueira, Jorge H. Oliveira, Carlos G. Ferreira, Miguel T. Coimbra, Al\'ipio M. Jorge·· 19 時間前AI スコア30
基于多部位心音图的心脏杂音自动特征表征研究
Towards Automatic Heart Murmur Characterization from Multi-spot Phonocardiograms
未翻訳のため中国語で表示しています。
AI ガイド
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。
出典：arXiv 机器学习 · arxiv.org