CVAF-Net：用双视图注意力从短时PPG估计心输出量
热点事件持续更新
CVAF-Net：用双视图注意力从短时PPG估计心输出量
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Yaowen Zhang 等作者发布 CVAF-Net，一种先验引导的双视图深度学习模型，通过跨视图注意力融合原始 PPG 时序视图与特征序列图，从 5、15、30 秒短时 PPG 片段估计心输出量。 作者称，该模型在三个数据集上以 5、15、30 秒片段独立评估，并与多种机器学习和深度学习基准比较：模拟脉搏波 3323 名受试者、血管收缩激发 79 名受试者、静息/骑行活动 10 名受试者。这是论文中报告的结果，尚不代表临床验证效果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
CVAF-Net：先验引导双视图表示学习用于短期 PPG 信号心输出量估计报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.LGCVAF-Net：先验引导双视图表示学习用于短期 PPG 信号心输出量估计
CVAF-Net 是一种先验引导的双视图深度学习模型，通过跨视图注意力融合原始 PPG 时序视图与特征序列图（FSM），从 5、15、30 秒短时 PPG 片段估计心输出量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。