Loading...
机构名称:
¥ 1.0

摘要。心电图(ECG)是诊断多种心脏异常的必不可少的工具:它提供了有价值的临床见解,同时在许多情况下负担得起,快速且可用。然而,在当前文献中,ECG分析的作用通常不清楚:许多方法要么依赖于其他成像方式,例如诸如层压扫描肺血管造影术(CTPA)(CTPA),可能并非总是可用,要么不可用,或者不有效地跨越不同的clas-sification问题。此外,公共心电图数据集的可用性是有限的,实际上,这些数据集往往很小,因此可以优化学习策略。在这项研究中,我们研究了多个神经网络体系结构的性能,以评估各种方法的影响。此外,我们检查这些实践是否会增强模型的概括,用于翻译在较大的ECG数据集中学到的信息,例如PTB-XL和CPSC18,将其用于一个较小,更具挑战性的肺栓塞(PE)检测数据集。通过利用转移学习,我们分析了我们可以在有限数据上提高学习效率和预测性能的程度。

arxiv:2503.08960v1 [cs.cv] 2025年3月11日

arxiv:2503.08960v1 [cs.cv] 2025年3月11日PDF文件第1页

arxiv:2503.08960v1 [cs.cv] 2025年3月11日PDF文件第2页

arxiv:2503.08960v1 [cs.cv] 2025年3月11日PDF文件第3页

arxiv:2503.08960v1 [cs.cv] 2025年3月11日PDF文件第4页

arxiv:2503.08960v1 [cs.cv] 2025年3月11日PDF文件第5页

相关文件推荐

2025 年
¥1.0