En este momento estás viendo 
<span class="bsf-rt-reading-time"><span class="bsf-rt-display-label" prefix="Tiempo de lectura"></span> <span class="bsf-rt-display-time" reading_time="2"></span> <span class="bsf-rt-display-postfix" postfix="mins"></span></span><!-- .bsf-rt-reading-time -->Heart2mind: sistema de diagnóstico de trastorno psiquiátrico disputable centrado en el ser humano utilizando monitores de ECG portátiles

Heart2mind: sistema de diagnóstico de trastorno psiquiátrico disputable centrado en el ser humano utilizando monitores de ECG portátiles

  • Autor de la entrada:
  • Categoría de la entrada:Noticias externas

Resumen: Los trastornos psiquiátricos afectan a millones a nivel mundial, sin embargo, su diagnóstico enfrenta desafíos significativos en la práctica clínica debido a evaluaciones subjetivas y preocupaciones de accesibilidad, lo que lleva a posibles retrasos en el tratamiento. Para ayudar a abordar este problema, presentamos Heart2mind, un sistema de diagnóstico de trastorno psiquiátrico disputable centrado en el ser humano utilizando monitores de electrocardiograma portátil (ECG). Nuestro enfoque aprovecha los biomarcadores cardíacos, particularmente las series de tiempo de variabilidad de la frecuencia cardíaca (HRV) y R-R (RRI), como indicadores objetivos de disfunción autónoma en condiciones psiquiátricas. El sistema comprende tres componentes clave: (1) una interfaz de monitoreo cardíaco (CMI) para la adquisición de datos en tiempo real de dispositivos Polar H9/H10; (2) un transformador de frecuencia temporal de múltiples escala (MSTFT) que procesa series de tiempo RRI a través del análisis integrado de dominio de frecuencia de tiempo; (3) Una interfaz de diagnóstico contable (CDI) que combina explicaciones autoadversas (SAE) con modelos de lenguaje grande (LLM) contundibles. Nuestro MSTFT logra una precisión del 91.7% en el conjunto de datos HRV-ACC utilizando la validación cruzada de dejar uno, superando los métodos de vanguardia. SAES detecta con éxito las inconsistencias en las predicciones del modelo al comparar las explicaciones basadas en la atención y el gradiente, mientras que los LLM permiten a los médicos validar las predicciones correctas y disputar las erróneas. Este trabajo demuestra la viabilidad de combinar la tecnología portátil con inteligencia artificial explicable (XAI) y LLM en disputa para crear un sistema transparente y contestable para el diagnóstico psiquiátrico que mantiene la supervisión clínica mientras aprovecha las capacidades de IA avanzadas. Nuestra implementación está disponible públicamente en: esta URL HTTPS.

Publicado Originalme en rss.arxiv.org El 19 de mayo de 2025.
Ver Fuente Original

admin

Usuario de administración del sitio web