Morphology Features Self-Learned by Explainable Deep Learning for Atrial Fibrillation Detection Correspond to Fibrillatory Waves
Publikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten › Beitrag in Konferenzband › Beigetragen › Begutachtung
Beitragende
Details
| Titel in Übersetzung | Durch erklärbares Deep Learning selbst erlernte morphologische Merkmale zur Erkennung von Vorhofflimmern entsprechen Flimmerwellen |
|---|
| Originalsprache | Englisch |
|---|---|
| Titel | 2024 Computing in Cardiology Conference |
| Erscheinungsort | Karlsruhe |
| Seiten | 1-4 |
| Seitenumfang | 4 |
| Band | 51 |
| Publikationsstatus | Veröffentlicht - 2024 |
| Peer-Review-Status | Ja |
Konferenz
| Titel | 51st Computing in Cardiology Conference |
|---|---|
| Kurztitel | CinC 2024 |
| Dauer | 8 - 11 September 2024 |
| Webseite | |
| Bekanntheitsgrad | Internationale Veranstaltung |
| Ort | Karlsruher Institut für Technologie |
| Stadt | Karlsruhe |
| Land | Deutschland |
Externe IDs
| ORCID | /0000-0003-4012-0608/work/175220129 |
|---|---|
| ORCID | /0000-0002-1984-580X/work/175220155 |