KDD-2019参会日记-5

在可穿戴设备数据分析方面,除了今年应用数据科学组最佳论文(apple watch与认知),另一个比较感兴趣的是斯坦福大学的使用深度学习及可穿戴光体积描记器进行ambulatory atrial fibrillation监控。

IMG_4587

研究团队开发了一种算法,可以准确地检测在自由生活条件下记录的光电容积描记图(PPG)中的心房纤颤发作。收集并注释了一个包含腕戴式设备记录的超过4000小时PPG的数据集。 使用50层卷积神经网络(在ResNeXt的基础上学习),在存在PPG信号固有的运动伪影的情况下,实现测试集AUC为95%。这种连续和准确的AF检测有可能将消费者可穿戴设备转变为临床上可用的医疗监测工具。

anyShare分享到:
This entry was posted in 交流活动. Bookmark the permalink.

发表评论