PhysioNet 发布 2017 PhysioNet CinC Challenge 数据集, 应用在 心血管疾病、医学信号处理 领域

PhysioNet 本次发布的数据集 2017 PhysioNet CinC Challenge, 该数据集包含了用于开发和测试基于ResNet的心房颤动（AF）检测器的ECG记录。该心房颤动检测器在测试中平均取得了85.10%的F1分数，最佳测试F1分数达到了87.31%。这项任务的目的是实现心房颤动的自动化诊断和筛查。

查看2017 PhysioNet CinC Challenge

关于 PhysioNet , Physionet是一个以生理信号数据共享和生理信息学研究为主的开放资源平台，它提供了丰富的生理信号数据库，支持研究人员进行数据分析和研究，旨在推动生物医学工程和临床研究的发展。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。