跳到正文
arXiv · 机器人与计算机视觉· Lauren Hutchinson, Moses Nkgari, Alaa Alahmadi·· 9 天前AI 评分43

临床启发的伪彩色编码提升深度学习 ECG 模型解释的定位与稳定性:英国生物样本库癫痫队列外部验证

Clinically Informed Colour Encoding Improves the Localisation and Stability of Explanations in Deep Learning ECG Models: External Validation in a UK Biobank Epilepsy Cohort

AI 导读

针对心电图分析中难以视觉评估的 QT 间期风险,研究采用基于临床电生理知识的伪彩色编码替代单色输入。在未经微调的英国生物样本库癫痫队列外部验证中,该模型 AUC 达 0.903-0.914,较单色模型的 0.719-0.720 显著提升并恢复三至五倍高危心跳。伪彩色编码使解释定位与稳定性在几乎所有方法上改善,证实输入表征是决定预测性能与解释质量的关键可控因素。

来源:arXiv · 机器人与计算机视觉 · arxiv.org