HRVConformer: Deep Learning per la Classificazione dell'HIE da Segnali di Frequenza Cardiaca
Una nuova architettura di deep learning chiamata HRVConformer classifica l'encefalopatia ipossico-ischemica (HIE) utilizzando segnali grezzi di frequenza cardiaca istantanea. A differenza dei metodi tradizionali che si basano su caratteristiche artigianali, HRVConformer elabora i segnali end-to-end con un framework ibrido Convolution-Transformer. Gli strati convoluzionali estraggono caratteristiche locali, mentre i meccanismi di attenzione Transformer catturano il contesto globale. Il modello è stato addestrato su un ampio dataset di 1.573 epoche di un'ora, incluse 259 epoche annotate da esperti e dati debolmente etichettati. Un set di validazione di 314 ore ha fornito una stima robusta delle prestazioni, con un set di test indipendente di 215 ore utilizzato per la valutazione. Lo studio è pubblicato su arXiv (2605.26190).
Fatti principali
- 1. HRVConformer è una nuova architettura di deep learning per la classificazione dell'HIE.
- 2. Utilizza segnali grezzi di frequenza cardiaca istantanea in modo end-to-end.
- 3. Il modello combina strati convoluzionali e meccanismi di attenzione Transformer.
- 4. Addestrato su 1.573 epoche di un'ora, incluse 259 epoche annotate da esperti.
- 5. Set di validazione di 314 ore; set di test indipendente di 215 ore.
- 6. Pubblicato su arXiv con ID 2605.26190.
- 7. Evita caratteristiche artigianali elaborando direttamente i segnali HR grezzi.
- 8. Cattura sia dipendenze locali che a lungo raggio nel segnale.
Entità
Istituzioni
- arXiv