Первый прототип представляет собой систему автоматического обнаружения дыхательных нарушений по аудиозаписям. Алгоритм анализирует мел-спектрограммы и формирует стандартные отчеты с ключевыми метриками, что помогает врачу быстро оценить состояние пациента и сокращает объем рутинной работы.
Второе решение предназначено для расшифровки данных полисомнографии и классификации стадий сна по электроэнцефалограмме. Модель глубокого обучения обрабатывает сигналы ЭЭГ и распределяет каждые 30 секунд записи по соответствующей фазе сна, имитируя подход врача к анализу непрерывного процесса.
Ключевым преимуществом разработки стала возможность дообучения алгоритмов под данные конкретной клиники или исследовательской группы. Это позволяет учитывать особенности пациентов и оборудования, повышая точность диагностики.
Ожидается, что в будущем решения смогут использоваться в сомнологических центрах и телемедицинских сервисах, делая диагностику нарушений сна более доступной и объективной.
Компания VK раскрыла статистику своего сервиса Облако Mail. За последний год число уникальных снимков в…
Заместитель председателя комитета Госдумы по информационной политике Андрей Свинцов был исключён из ЛДПР, сообщается в…
В Белоруссии владельцы автомобилей Geely, ввезенных по схеме параллельного импорта, столкнулись с отказом в обслуживании…
Ученые из Центральный институт археологии пришли к выводу, что гвозди, вбитые в грудь умерших, служили…
Японская компания Terra Charge объявила о запуске новых быстрых зарядных станций мощностью 50 кВт. Устройства…
В Омском государственном техническом университете разработали метод голосовой аутентификации, который учитывает не только личность человека,…