赵又廷称赞高圆圆身材苗条:生子计划努力中(图

  • 文章
  • 时间:2018-12-20 18:34
  • 人已阅读

旧金山7月8日电(记者马丹)美国斯坦福大学研讨人员最新开发出一种深度进修算法,经由过程分析可衣着监测设备发生的心电数据,诊断出13种差别类型的心律失常,其准确性乃至超过心脏病医生。这项结果未来可用于改良偏僻地区心律失常患者的诊断和治疗。 潜在的心律失常患者通常是去看医生,由医生当面居心电图仪举办检查。若是心电图仪不发现问题,医生可能会让潜在患者使用可衣着设备,对心律举办两周的延续监测。设备天生数据的光阴跨度长达300多小时,医生需求分析其中每秒的数据,以发现心律失常的迹象。有危害的心律数据与不危害的心律数据往往极难区别。 斯坦福大学的新闻通知布告说,该校机械进修团队负责人、著名人工智能专家吴恩达发现,这是一个数据问题。研讨人员为此开发了一个可以 呐喊根据心电信号诊断差别类型心律失常的深度进修算法。他们与供应可衣着心律监测设备的企业配合,获取了大约3.6万人的心电数据样本,用以训练一个深度神经网络模型。7个月后,这个神经网络模型诊断心律失常的准确度堪比心脏病医生,多数景遇下乃至超过医生。相关研讨论文已在收录科学文献预印本的在线开放数据库arXiv上公布。 据研讨人员先容,心律失常有多种类型,其中的差别很奇妙,但对怎样处置惩罚所发现的心律失常景遇有很大影响。例如,被称为二级房室传导阻滞的心律失常有两种类型,看上去很相似,但其中一种无需治疗,而另一种则需求立即观察。他们的研讨结果不仅可以 呐喊 呼吁发现心律失常迹象,而且还可以 呐喊高准确度发现心律失常的差别类型,这种准确度是史无前例的。此外,这个算法的下风还在于不会疲倦,可以 呐喊延续地对心律失常做出立即诊断。 研讨人员心愿,他们的算法未来可用于为偏僻地区或发展中国家无法看心脏病医生的人群供应专家级的心律失常诊断。这个算法还可以 呐喊配合高危人群日常使用的可衣着心律监测设备,以便在发现可能致命的心律异常时实时通知抢救人员。