热点事件历史事件
研究团队提出用于非经静脉ICD筛查的深度学习模型AmpRatioNet
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年10月30日，研究团队在arXiv发布论文，提出直接处理心电图信号的1D卷积神经网络AmpRatioNet，用于非经静脉植入式心律转复除颤器（ICD）的24小时动态筛查，旨在降低过度感知风险。基于89名患者共4,605个标注片段的测试结果显示，AmpRatioNet-SE在各项指标上均表现最优，其在易过度感知片段上的误差增幅比传统算法最多小14倍。该方案突破了S-ICD单次10秒筛查的局限，并为EV-ICD提供了可行的筛查路径。
AI 根据报道生成 · 3 天前更新
最新进展10月30日 12:00
研究团队提出深度学习模型AmpRatioNet，实现非静脉ICD的24小时动态筛查并显著降低误差。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.LG面向非静脉 ICD 筛查的深度学习：定制神经网络架构、扩展实验与可解释性分析
AmpRatioNet 是直接处理心电图信号的 1D 卷积神经网络，用于非静脉植入式心律转复除颤器（ICD）的 24 小时动态筛查以降低过度感知风险。基于 89 名患者的 4,605 个标注片段测试，AmpRatioNet-SE 各项指标均表现最优，易过度感知片段的误差增幅比传统算法小最多 14 倍。该方案突破了 S-ICD 的单次 10 秒筛查限制，并为 EV-ICD 提供了可行筛查路径。
本事件热度走势
当前热度 3·可比范围峰值 7（10月31日 02:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。