机构名称：
¥ 1.0
心脏病是全球死亡率的主要原因之一，表明对早期诊断和干预的至关重要。最传统的心电图（ECG）自动诊断方法在人群层面进行了培训，忽略了个性化ECG的定制以实现个人医疗保健管理。解决此限制的潜在解决方案是使用数字双胞胎模拟实际患者的疾病症状。在本文中，我们为个人心脏病检测提供了一种具有原始的前瞻性学习方法，该方法产生了健康个体异常的心电图的数字双胞胎，并增强了对个人症状的模型敏感性。在我们的方法中，提出了一个矢量序列的特征分离器，以通过ECG报告指导定位和隔离ECG信号中的疾病症状和正常段。因此，心电图数字双胞胎可以模拟用于训练个性化心脏病检测模型的特定心脏病。实验表明，我们的方法不仅在产生高保真的心电图信号方面表现出色，而且还可以改善个性化的心脏病检测。此外，我们的方法可确保强大的隐私保护，并保护模型开发中的患者数据。代码可以在https://github.com/huyjj/lavq-editor上找到。
通过ECG数字双胞胎生成的个性化心脏病检测
主要关键词
相关文件推荐
