基于改进卷积神经网络的房颤筛查算法
Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi（2021）
摘要
心房颤动(房颤)是一种常见的心律失常,可导致血栓形成并增加脑卒中甚至死亡的风险.针对临床应用中疾病筛检低假阴性率的需求,本文提出一种改进的低假阴性率卷积神经网络.通过在交叉熵损失函数中引人正则化系数,差别对待阳性和阴性样本的代价成本,使得网络训练时可加大对假阴性的惩罚.采用三甲医院采集的包含21 077位受试者的患者间临床数据集进行验证,相对于传统交叉熵损失函数,使用改进的损失函数可将假阴性率由2.22％降低至0.97％,所选正则化系数可将灵敏度由97.78％提升至98.35％,准确率96.62％亦较原来的96.49％有所提升.所提算法可在不牺牲准确率的前提下降低假阴性率,降低漏诊可能性以免错过最佳治疗时期,可为其他疾病的临床辅助诊断提供一种可变参数的损失函数.
更多查看译文
关键词
atrial fibrillation,convolutional neural network,false-negative rate,loss function
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要