Apple Watch 心脏检测再升级,手腕上的它真的靠谱吗?

2022 年 6 月 28 日 少数派

最近 WWDC22 公布了 watchOS 9,其中新增了一项「房颤历史」功能(AFib History)。此前,Apple Watch 已经具有心电图检测功能,并且可以发现疑似房颤(AFib)的心律不齐现象(先后有 1.0 和 2.0 两个版本,区别主要在于算法和可检测的心率范围)。

新的房颤历史功能则是针对已被诊断患有房颤的群体,帮助患者了解出现房颤的频率,并评估生活方式因素对该频率的影响。这项功能虽然并未在国内官网上介绍,但考虑到去年 Apple 终于通过我国食品药品监督管理局的医疗器械备案,得以在国行产品中提供心电图功能,或许房颤历史在不久的将来也能在国内上线。

今天我们就来简单聊聊房颤是什么,Apple Watch 使用了什么样的技术来评估正常心率和房颤,这样的评估靠不靠谱,以及最权威的相关临床研究证据。

全文 7700 字,太长不看或没有时间的小伙伴可以简单浏览文中的图片然后直接看最后的「Take-home Messages」。

为什么是房颤?

01 什么是房颤?

心脏有左右之分,还有心房和心室的区别。心房里有个窦房结是所有心跳电信号的起点,从窦房结传导到房室结,再经传至心室,引起心房-心室序贯收缩舒张,完成一次有效的泵血,也就是我们可以从胸口摸到的一次心跳。

动图截取自 YouTube 视频:An overview of Atrial Fibrillation by Sanofi

房颤,即心房颤动(Atrial Fibrillation, AF/AFib),就是当心房内出现异常电激动,导致心跳电信号的起点不再是单一的窦房结的时候,异常的心房主导的折返环引起许多小的折返回路,导致房律紊乱,引起心房无效收缩——顾名思义就是心房在乱颤。

动图截取自 YouTube 视频:An overview of Atrial Fibrillation by Sanofi

我们正常心跳的频率是 60-100 次/分,一次心房收缩对应一次心室收缩。但心房颤动就厉害了,房颤的频率是一分钟 350-600 次,由于不是每一次颤动都能下传到心室引起对应的收缩,房室传导正常时房颤心律的心室率是绝对不齐的。

动图截取自 YouTube 视频:An overview of Atrial Fibrillation by Sanofi

因此呢,房颤的心电图特点是:代表正常心房活动的 P 波消失,被高频不规则的锯齿样波(f 波)取代,并且代表心室活动的 QRS 波两次 R 波间距绝对不齐。这样的心电图特点在任何一个导联上都可以看到,并且可以被脉搏触诊感知到——这也意味着房颤可能是判断门槛最低的心律失常。

在查体时,医生可以通过听诊心跳同时触诊手腕处桡动脉搏动的频率来判断,心率>脉率的特点被称作「脉搏短绌」,我们可以由此推断房颤的存在。诊断则要依靠 12 导联心电图或者单导联心电图记录到房颤,并且持续 30s 以上。

上:正常心电图,红框为 P 波。下:房颤心电图,P 波消失,被不规则的 f 波取代。图片来源:中华医学网

02 房颤有多常见?

房颤可以说是最常见的心律失常之一,并且随着年龄增长其患病率也持续增加。著名的 Framingham Heart Study 调查就发现,55 岁以上的人群(主要为白人)中每 3 人就有 1 人有房颤。2015 年发表的基于我国云南医保数据库的研究文章提示,20 岁以上人群中 AF 的患病率为 0.2/100 人,并且在随访的 11 年期间,患病率升高了 20 倍。2008 年的房颤全国流行病学调查发现 30-85 岁人群的年龄校正后患病率为 0.65%,80 岁以上人群中比率达 8.5%。这个数据很可能是被低估的。

2021 年最新的房颤全国流行病学调查发现,我国 18 岁以上人群房颤年龄校正后的患病率为 1.6%。

03 房颤有什么危害?

房颤如此常见,那它有什么危害呢?

前面的动图我们也可以看到房颤时心房高频地无效收缩着,这带来 3 个问题。

第一,心房肌肉疲劳,时间长了心房会扩大。

第二,这种无效的收缩会引起心房尤其是左心耳内血液瘀滞,形成血栓,这个可不是长在那儿就完了的,随着这种乱颤,栓子极有可能会掉落,随着循环走,到了它过不去的地方就会导致栓塞,引起对应区域缺血坏死,堵在脑血管里,就引起脑栓塞,堵在体循环里引起体循环栓塞,例如到肠系膜动脉里就引起肠系膜动脉栓塞,都是要命的后果。

动图截取自 YouTube 视频:Atrial Fibrillation (AFib) Explained by CHI St. Vincent

第三,当房颤频率下传多的时候,引起快心室率,会加重心脏整体的负担,慢慢把心脏给累死了,导致心力衰竭。心衰和房颤常常同时存在并相互影响形成恶性循环。

房颤导致全因死亡率增加,男性增加 1.5 倍,女性增加 2 倍。房颤也引起心衰的发病率升高 2 倍。如果没有有效抗凝,房颤者出现缺血性卒中(即脑栓塞/脑梗死)的风险是非房颤者的 4-5 倍,出现体循环栓塞的患者在发生的 30 天内致残率达 20%,致死率达 25%。

不仅如此,房颤患者发生心肌梗死的风险也增加 2 倍,还会增加认知功能下降、痴呆、阿尔兹海默病、 血管性痴呆和肾功能不全的风险。

04 哪些是房颤的高危因素?

房颤既是心脏疾病,也可以是全身疾病的心脏表现,引起房颤的病因很多,以冠心病、心肌病、风湿性瓣膜病等疾病为主。其他常见病因包括高血压、肺源性心脏病、先天性心脏病、甲状腺功能亢进、预激综合征等。

《心房颤动:目前的认识和治疗建议(2021)》指出应针对房颤高危人群开展筛查,包括高龄、心衰、肥胖、高血压、糖尿病、阻塞性睡眠呼吸暂停、结构性心脏病、隐源性卒中/短暂性脑缺血发作、遗传性心律失常患者和特殊职业人群(职业运动员)等。肾功能不全也是房颤的危险因素,15%-20% 的慢性肾功能不全患者同时合并有房颤。

图片来源:心房颤动:目前的认识和治疗建议(2021)。中华心律失常学杂志 2022 年 2 月第 26 卷第 1 期。图 1 :心房颤动发生机制示意图。

Apple Watch 是如何检测心率的?

目前对房颤的筛查策略通常是对超过一定年龄(通常 > 65 岁)或具有其他提示脑卒中风险增加特征的个体进行机会性或系统性筛查,采用间断单点或重复 30s 心电图记录持续 2 周。筛查房颤最简单的方法是脉搏触诊,但不能直接据此下诊断;能够直接诊断的筛查工具包括心电图、动态心电图、可植入电子设备、心脏电生理检查等。智能手机、手表等设备也被用作识别无症状性房颤的手段,得到了广泛的关注。这类设备多以光电容积描记法、示波测量法、单导联心电图等方式获得脉搏或心电活动的信号,并通过算法识别异常的心律。

Apple Watch 的 ECG app 就在 2018 年得到了美国食品药品管理局(FDA)的批准(over-the-counter use)用于 22 岁以上人群,可以生成、分析和展示心电图的数据,但并不能仅依据该设备的数据进行诊断。Apple 移动心电图/脉率房颤提示软件则是在一年前获得了我国食品药品监督管理局的批准,作为 2 类医疗器械获批上市。

图片来源:国家药监局数据查询系统

由于我并没有电子工程学的背景,这部分可能就简单介绍一下,如果有不够专业的地方欢迎专业的小伙伴纠错。

01 光电容积描记法

光电容积脉搏波描记法(Photoplethysmography, PPG)是一种利用激光对待测流体或固体的体积进行检测并记录,最后对体积的变化曲线进行分析并做出评价的一种方法,发射光进入人体被组织(如肌肉、 骨骼、静脉、动脉等)吸收,吸收量一般是恒定不变的,构成脉搏波的直流分量,而心脏收缩引起的血液容积变化会改变光的吸收量并在直流分量基础上产生波动,构成脉搏波的交流分量。最常见的应用就是临床上的脉搏血氧饱和度检测仪。

这种方法需要用到 LED、光电二极管和信号处理/补偿电路。

  • LED 作为光源,发射特定波长的光,选择波长需要考虑到光在水中的透射窗口、血红蛋白和氧合血红蛋白的等吸收波长以及透射深度,常用的可穿戴设备常选取绿光及红光和红外光来检测心率(绿光不能用于检测血氧)。
  • 光电二极管,测量反射 / 透射出的光(手表检测一般是反射,末梢血氧的夹子夹住手指的是透射)。
  • 滤波电路和信号处理系统,一般用于补偿 / 过滤掉环境中的光信号(尤其当佩戴得比较宽松的时候),并通过加速度仪采集运动状态等方法消除运动带来的噪声。

检测房颤主要是由于在房颤状态下的脉搏波与正常状态有明显不同,包括脉冲宽度、峰峰间隔和收缩期面积等方面均有较大差别。

图片来源:基于光电容积脉搏波的心房颤动识别方法。中国医学物理学杂志,2020年 11月,第 37 卷第 11 期。图 2:不同状态下的脉搏波波形。

Apple Watch Series 1-3,以及适配 Android 或 Harmony 系统的智能手表的非 ECG 版本(如 OPPO Watch 2,HUAWEI WATCH GT3 等)多采用 PPG 技术,大家在选购的时候也可以注意一下(一般较 ECG 版本价格更低)。

02 心电图法

前面我们提到了心脏活动依赖于电信号的激动和传导,心肌激动的电流可以从心脏经过身体的组织传导到体表,通过在前胸、上下肢放置电极和导线记录这些电流,就可以来评估心脏电活动的正常与否。

临床上最常用的心电图是 12 导联心电图,通过夹在左右上肢、单个下肢和贴在胸前的 6 个电极获取的电信号,记录下 12 个导联的心电图(包括 I、II、III 3 个双极导联,aVL、aVR、aVF 三个单极加压肢体导联,以及 6 个胸前导联),结合不同的导联就可以判断病变的位置、异常心电活动的来源。

图片来源:左-Wikipedia-Einthoven triangle;右-Nurseyourownway

Apple Watch Series 4 以后的设备,在数字表冠中加入了钛电极(负极),并在手表背面的蓝宝石水晶表镜上镀了一层超薄的铬硅碳氮化物层(正极)。手表背面贴紧的手腕处和另一手的指尖形成了一个闭合电路,使得 ECG app 能够获取并记录电脉冲。因此如果设备硬件上没有电极,那就没有办法使用 ECG app。

要生成心电图,用户要佩戴好手表,打开安装在 Apple Watch 上的心电图应用程序,然后将另一只手的一根手指放在数字表冠上 30 秒,如常规左手佩戴手表右手触摸数字表冠,测量后可生成一个类似于 12 导联心电图中的 I 导联的心电图(如图上右手→左手即 I 导联),完成后还可以选择「导出 PDF 给医生」导出心电图作为就诊的部分依据。

本次 watchOS 9 的更新提供了浏览房颤历史记录的功能,这对于房颤诊断、分类及房颤负荷大小的评估有一定意义。

Apple Watch 检测出的房颤靠谱吗?

谈靠谱不靠谱的之前我们先简单解释两个概念,敏感性和特异性。

  • 敏感性(sensitivity),可以理解成真阳性率,是实际患病且检测结果阳性的概率,反映发现患者的能力,这个值越大越好。敏感性低时,假阴性率(显示阴性但患病)会升高。
  • 特异性(specificity),即真阴性率,是实际未患病且检测结果是阴性的概率,反映鉴别未患病者的能力,这个值也是越大越好。特异性低时,假阳性率(显示阳性但未患病)会升高。

对于比较严重的疾病,筛查工具一般需要有足够高的敏感性(真阳性率),所谓宁杀一万;特异性可以稍微低一些——当然如果两者都足够高就更完美了。

01 基于 PPG 的研究证据

Apple 公司的 Apple Heart Study 自 2017 年在 Clinical Trial 上注册开展,在 2019 年将研究结果发表在临床医学的顶刊 New England Journal of Medicine 上。

Apple Heart Study 算法模式图,当 6 个脉搏波中的 5 个出现不规则时系统会通知「Irregular Pulse」。来源:M. V. Perez, et al., Large-Scale Assessment of a Smartwatch to Identify Atrial Fibrillation. N Engl J Med 381, 1909–1917 (2019). Figure S1.

研究在 8 个月内招募了 419,297 名参与者,其中 2161 人(0.52%)收到了「异常脉搏」的提示,这些人会收到电话随访和邮寄的 ECG 电极片。对于 Apple Watch 的最广大的用户——年轻人来说,收到异常提示的概率还是比较低的,40 岁以下参与者收到通知的仅 0.16%。

研究最终有效分析了 450 名参与者的心电图数据,其中 34% 的人可被诊断为房颤,而在收到电极片的 65 岁以上人群中房颤的确诊率达 35%,而 40 岁以下人群中房颤确诊率为 18%。在 ECG 确诊房颤的 153 名参与者中,有 18 名患者出现心室率超过 200 次且持续超过了 30 秒,还有一人出现了长达 6 秒的心脏停搏(这种情况绝对需要住院了)。有 84 人在收到手表异常心率提示后同时使用 ECG 电极检测,其中 72 人的 ECG 显示确为房颤,这提示基于 PPG 的 Apple Watch 对房颤的阳性预测值为 0.84。

研究者们还对所有参与者进行了后续问卷调查。收到异常通知者中的 929 人完成了问卷,这其中 44% 的人称自己确实新近确诊了房颤;没有收到异常通知者中的 293,015 人完成了问卷,仅 1% 的人称新近确诊房颤。

这项研究不是为了验证 Apple Watch 的算法作为筛查工具的敏感性与特异性,而是为了最小化假阳性率,这也意味着一些短暂发作的房颤有可能会被工具漏掉——即没有异常通知不代表一切正常。

02 基于单导联 ECG 的研究证据

临床验证研究

ECG app 1.0 和 2.0 都做了临床验证的研究,对比同一参与者使用 ECG app 生成的单个导联 ECG 和临床上使用的心电图仪生成的标准 12 导联心电图。

1.0 的验证研究首先随机挑选 70 名有房颤的和 70 名没有房颤的参与者的心电图,由技术人员测量两者形态上的一致性,给予「Pass」或「Fail」的分类评价。并且,3 名独立的心内科专家对所有入选者的 12 导联心电图进行读图分类,对比 ECG app 的分类能否准确分辨房颤和窦性心律。研究招募了602 名受试者,其中 588 人符合入选标准。对第一项波形形态评估,技术人员评判 99.2% 的 ECG app 心电图与 12 导联心电图基本一致。ECG 1.0 应用分类算法在区分 AFib 方面达到了 98.3% 的敏感性和 99.6% 的特异性,如果把无法分类的数据也纳入分析的话,对房颤诊断的阳性率为 85.2% (236 人/277 人)。

ECG 2.0 拓展了可进行分类的心率范围至 50-150 bpm,并且将分类细化,合并了是否伴快心率。2.0 的验证研究同样对比了形态上的一致性和分类的敏感性和一致性,结果发现 534 名完成了研究的受试者中,512 人的心电图可以被分类,识别房颤的敏感性为 98.5%,特异性为 99.3%。

局限性

只看手表通知不够可靠

此外,2020 年心内科的顶级杂志 Circulation 上刊登了一篇文章评估了使用 Apple Watch Series 4 在临床患者中的准确性。克利夫兰中心 50 名接受过心脏手术的患者两天内每天使用 Apple watch 检测 3 次心脏节律,这些患者同时有遥测心电监护提供心电图数据。遥测心电图显示,两天内其中 25 人有至少一次房颤发作,在完成的 292 次检测中,有 90 次房颤心律,然而其中手表通知准确分类为房颤的仅 34 次,25 人中有 19 人收到了房颤提示。窦性心律的患者无一例接收到错误的房颤提示,但有 31% 的病人心律被归类为无法识别。总体看来手表通知和遥测心电监护间的一致性为 61%。不过,导出 PDF 后,84 份心电图提示房颤,敏感性为 96%。这一结果提示,手表检测心率后导出 PDF 并查看分析比单纯依靠手表的提示功能更加靠谱。

总体来看,Apple 在控制假阳性率方面做得不错,不太会出现明明正常却误报的,但通知显示「Inconclusive」的比例有点高,还是导出后查看 PDF 获得的信息更为准确。

心率范围

除此之外,ECG app 还有其它局限性,对每个使用者来说,了解它的适用范围尤其重要。

首当其冲的缺点就是即使是 2.0 版本, App 对心率的检测和分析有 50-150 bpm 的范围限制,而当房室传导出现问题时,心率——即心室率很有可能会低于 50 次;心衰或甲亢的病人往往合并房颤的时候会出现快房颤——心室率有可能会高于 150 次、甚至超过 200 次。此时的 ECG app 是否能准确识别,还是会提供一个假阴性的结果给患者就不得而知了,这样带来的后果就是有可能会误导患者,延误亟需的治疗。

单一导联不能识别心梗

其次是对与房颤无关的其它疾病来说不太能派得上用场,尽管单导联的 ECG 和 12 导联中的 I 导有较高的相似性,但单一导联的波形提供的信息到底有限,Apple 的官方说明上也表示心电图并不能反映心脏病发作,这里贴一下官方的原文:

The ECG app isn't designed to help triage urgent conditions, such as myocardial infarction (心梗) or pericarditis (心包炎). The classification algorithm for the ECG app has been evaluated only for detection of AFib or normal sinus rhythm (窦性心律) and isn't intended to detect any other type of arrhythmia (心律失常). The ECG app in this indication shouldn't be used to assess conditions that require ECG Lead waveforms other than Lead I.

心脏病发作即「heart attack」,指的是突然发作的冠脉供血不足引起的心肌缺血症状,这往往意味着心肌梗死,而由于心脏冠脉有多个分支,不同分支堵塞会在不同的心电图导联上产生特定的缺血表现,比如单纯前壁梗死时 I 导联可能并不会有特别明显的异常。这时没有预警的手表心电图并不代表没有问题。

题外话——如何只用 Apple Watch 获得更多导联的心电图?

目前也有研究者通过改变手表的电极放置位置进行多次测量来获得更多的导联,以期通过更多导联的信息判断有无心梗发生。

如先正常佩戴测量 1 次,再将手表背面电极紧贴中腹部皮肤,然后左右手交替触碰数字表冠各检测一遍,则可以生成类似于 II、III 导联的心电图。该研究者在 2 例下壁心梗的患者上采用了 Apple Watch Series 4 进行测量,发现手表生成的心电图与 12 导联心电图显示的下壁心梗患者的波形具有一定的一致性。

图片来源:C. O. Avila, Novel Use of Apple Watch 4 to Obtain 3-Lead Electrocardiogram and Detect Cardiac Ischemia. Perm J 23, 19–025 (2019).

但大家也不能过于乐观,这种方式并不能获得其余 9 个导联的心电图,尤其是胸前导联,这意味着除了下壁或高侧壁心梗有一定可能性被检测出来,但「没有看到异常」不能代表正常,还是不建议大家把手表获得的心电图作为判断自己健康与否的主要依据。

此外还有研究者将 Apple Watch 放在下肢获取 I、II、III 导联,并将电极放置在胸前获取 6 个胸前导联。

图片来源:Cobos Gil, Standard and Precordial Leads Obtained With an Apple Watch. Annals of Internal Medicine, Vol. 172 No. 6 (2020). Supplemental Video and Figure 2. 注意:I 导联为正常佩戴方式,II 导联为小腿和右手,III 导联为小腿和左手,胸导联在胸口用右手触摸数字表冠。

这样的做法需要用户对心电图各个导联放置的位置有一定的了解,必须序贯检测各个导联,不能弄混,并需要导出、重命名对应的心电图,使用的门槛较高,不推荐没有医学知识的小伙伴使用。这些方法只在个别病例上验证过,没有大样本的临床研究去验证其与 12 导联心电图的一致性,因此不推荐大家依靠这种方法作为诊断依据。并且,考虑到电磁干扰,体内有起搏器、植入式心脏复律除颤器(ICD)或心脏再同步治疗起搏器(CRT)的患者最好不要尝试在胸前使用手表进行检测

但如果很不走运家人出现了类似心梗的症状(胸痛胸闷持续不能缓解),在等待救护车到来的十几分钟时间内,倒是不妨试着使用这种方法检测一下多个导联(参考上文的 12 导联心电图电极位置),这样可以在到达急诊后可以第一时间提供一个心电图,方便急诊医师判断病情,争分夺秒地抢救心肌。

Take-home Messages

  1. 房颤就是心房内异常电激动引起的高频心房无效收缩,频率可达 350-600 次/分,电活动无规律地下传引起心室收缩绝对不齐。房颤的患病可能随着年龄增长会持续升高,在白人为主的社区调查提示 55 岁以上每 3 个人就有一个人有房颤。
  2. 房颤引起的无效的收缩引起血流紊乱并极易在心房内凝结,形成血栓,栓子一旦脱落随循环流动,就可能引起栓塞,如引起较大动脉分支的堵塞的话,则易引起大面积脑栓塞、肠系膜动脉栓塞,轻可残疾,重则死亡。因此,在 65 岁以上人群中筛查房颤很有必要。
  3. 存在以下情况的人需要考虑筛查房颤:高龄(≥75 岁)的,合并有高血压、肥胖、冠心病、心肌病、风湿性瓣膜病、肺源性心脏病、先天性心脏病、预激综合征、遗传性心律失常等心血管疾病的,接受过心脏手术的,合并有肥胖、糖尿病等代谢疾病的,有隐源性卒中/短暂性脑缺血发作、阻塞性睡眠呼吸暂停、肾功能不全、甲状腺功能亢进等病史的,或是从事特殊职业的人群(职业运动员)等。
  4. Apple Watch Series 1-3 通过光电容积脉搏波描记法来获得脉搏波,通过评估脉搏波的形态特征来进行心率的分类。有一项研究发表在临床医学顶刊 NEJM 上,算法对房颤的阳性预测值为 0.84。
  5. Apple Watch Series 4 及以后的型号在数字表冠中加入了钛电极(负极),并在手表背面的蓝宝石水晶表镜上镀了一层超薄的铬硅碳氮化物层(正极),使得手腕和另一只手的指尖形成了闭合电路,可生成一个类似于常规 12 导联心电图 I 导联的心电图波形,此次 watchOS 9 更新增加了房颤历史记录回顾的功能。对于识别房颤,Apple 官方文件称临床验证研究中 ECG 1.0 达到了 98.3% 的敏感性和 99.6% 的特异性,ECG 2.0 的敏感性为 98.5%,特异性为 99.3%。
  6. Apple Watch ECG app 检测心率也有其局限性。第一,只看手表通知不够可靠,临床研究发现接近 1/3 的心率手表通知分类为无法识别,而导出 PDF 后再评估明显更准确,敏感性达 96%。第二,ECG app 分类心率的范围为 50-150 次/分,慢房颤或快房颤的识别率尚不清楚。第三,ECG 只测出单一导联的心电图波形,不能用来识别或排除心梗等需要多导联波形进行诊断的疾病。

备注:作者本人并非 Apple Watch 或任何智能手表的使用者,亦无其它利益相关。本文仅为科普,无推广目的。其它智能手表也有一些有好的研究发表,感兴趣的小伙伴可以在评论区讨论。

原文链接:
https://sspai.com/post/74014?utm_source=wechat&utm_medium=social
作者:刀客特Leslie
责编:北鸮

/ 更多热门文章 /

登录查看更多
0

相关内容

中科院自动化所17篇CVPR 2022 新作速览!
专知会员服务
19+阅读 · 2022年3月19日
可靠深度异常检测,34页ppt,Google Balaji Lakshminarayanan讲解
ICLR 2021 评审出炉!来看看得分最高的50篇论文是什么!
专知会员服务
40+阅读 · 2020年11月13日
【纽约大学Sean】神经文本退化:一致性和学习,93页ppt
专知会员服务
14+阅读 · 2020年10月18日
Apple Watch 7 快充升级 | 魅族 & 索尼达成战略合作
ZEALER订阅号
0+阅读 · 2021年10月15日
Apple Watch Series 7 体验:这次的屏幕,大有用途
ZEALER订阅号
0+阅读 · 2021年10月13日
Apple Watch Series 7 正式开售,2999 元起
ZEALER订阅号
0+阅读 · 2021年10月8日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年9月12日
Arxiv
0+阅读 · 2022年9月11日
Arxiv
0+阅读 · 2022年9月11日
Anomalous Instance Detection in Deep Learning: A Survey
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员