基于数字孪生的EfficientNet在心脏骤停预测与分析中的应用
机器学习
2025-09-10 v1 计算机视觉与模式识别
摘要
心脏骤停是全球最大的健康问题之一，早期识别和管理是改善患者预后的关键。在本文中，我们提出了一种新颖的框架，该框架将基于EfficientNet的深度学习模型与数字孪生系统相结合，以改进心脏骤停的早期检测和分析。我们使用复合缩放和EfficientNet来学习心血管图像的特征。同时，数字孪生根据从连接到患者的物联网（IoT）设备接收的数据，创建了一个逼真且个性化的患者心血管系统模型，这有助于对患者进行持续评估以及评估可能治疗方案的影响。正如我们的实验所示，所提出的系统在预测能力方面具有很高的准确性，同时也很高效。将深度学习和数字孪生（DT）技术等高度先进的技术相结合，为使用主动和个性化的方法来预测心脏疾病提供了可能性。
引用
@article{arxiv.2509.07388,
title = {EfficientNet in Digital Twin-based Cardiac Arrest Prediction and Analysis},
author = {Qasim Zia and Avais Jan and Zafar Iqbal and Muhammad Mumtaz Ali and Mukarram Ali and Murray Patterson},
journal= {arXiv preprint arXiv:2509.07388},
year = {2025}
}