深度学习用鼾声定位OSA多级气道塌陷
热点事件持续更新
深度学习用鼾声定位OSA多级气道塌陷
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Ying-Chieh Hsu 等作者发表研究，用 ResNet-50 和 Audio Spectrogram Transformer（AST）两种深度学习模型，根据鼾声识别阻塞性睡眠呼吸暂停（OSA）患者的多层级上气道塌陷。研究结果显示，AST 的表现显著优于 ResNet-50，差异经 Bonferroni 校正后 P<0.05。 该研究针对的是 OSA 患者的多层级上气道塌陷定位，而非仅判断是否患病；所用数据为鼾声。
AI 根据报道生成 · 49 分钟前更新
最新进展10月21日 12:00
基于鼾声的深度学习多层级气道塌陷定位，用于阻塞性睡眠呼吸暂停患者报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI基于鼾声的深度学习多层级气道塌陷定位，用于阻塞性睡眠呼吸暂停患者
研究用 ResNet-50 与 Audio Spectrogram Transformer（AST）基于鼾声识别阻塞性睡眠呼吸暂停患者的多层级上气道塌陷，AST 显著优于 ResNet-50（Bonferroni 校正后 P<0.05）。
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。