热点事件持续更新
深度学习模型WIPSNet用于儿科整夜喘息检测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出用于儿科整夜喘息检测的3D ResNet深度学习模型WIPSNet。该模型通过处理整夜阻抗呼吸描记（IP）信号堆叠的连续小波变换时频图进行分类。在包含15名患者、60个夜晚共281小时的数据集测试中，WIPSNet取得了0.783 ± 0.026的AUC，性能优于临床指标EVI（AUC 0.633）、Mamba状态空间模型及现代睡眠分期架构。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究团队提出基于整夜IP信号的儿科喘息检测模型WIPSNet，AUC达0.783。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习WIPSNet：基于整夜阻抗呼吸描记图的儿科喘息检测深度学习网络
WIPSNet 是一种用于儿科整夜喘息检测的 3D ResNet 模型，通过处理整夜阻抗呼吸描记（IP）信号堆叠的连续小波变换时频图进行分类。在 15 名患者（60 个夜晚、281 小时）的数据集上，WIPSNet 达到 0.783 ± 0.026 的 AUC，优于临床指标 EVI（AUC 0.633）、Mamba 状态空间模型及现代睡眠分期架构。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。