通过路径发展网络优化心房颤动患者的药物决策

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本研究使用12导联心电图数据,利用机器学习算法预测房颤患者是否需要抗凝治疗。算法通过卷积神经网络处理STOME增强的时间序列数据。引入路径发展层后,模型在阴性预测率为1的条件下实现30.6%的特异性,而没有引入路径发展的LSTM算法仅有2.7%的特异性。

🏷️

标签

➡️

继续阅读