机构名称：
¥ 1.0
摘要。尽管人们对机器学习研究的兴趣正在显著增长，尤其是在医学领域，但研究结果与临床相关性之间的不平衡比以往任何时候都更加明显。造成这种情况的原因包括数据质量和互操作性问题。因此，我们旨在检查公开的标准心电图 (ECG) 数据集中站点和研究特定的差异，理论上这些数据集应该通过一致的 12 导联定义、采样率和测量持续时间实现互操作。重点在于即使是轻微的研究特性是否会影响训练有素的机器学习模型的稳定性。为此，研究了现代网络架构以及无监督模式检测算法在不同数据集上的性能。总的来说，这是为了检查单点心电图研究的机器学习结果的泛化。
基于心电图的机器学习模型的多数据源的必要性
主要关键词
相关文件推荐
