Predicting ECG Age in 24-hour Holter Recordings of Heart Failure Patients

Recent advances in deep learning enable estimation of a patient’s "ECG age" from standard short-term 12-lead electrocardiogram (ECG). This study introduces sequential ECG age predictions in continuous 24-hour Holter ECG recordings of chronic heart failure (CHF) patients. Using publicly available dat...

Celý popis

Podrobná bibliografie

Hlavní autoři:	Hempel Philip, Steinbrinker Tabea F. A., Graf Lennart, Dathe Henning, Spicher Nicolai, Krefting Dagmar
Médium:	Artigo
Jazyk:	Inglês
Vydáno:	De Gruyter 2025-09-01
Edice:	Current Directions in Biomedical Engineering
Témata:	electrocardiogram heart failure ecg age holter monitoring entropy complexity deep learning biomarker
On-line přístup:	https://doi.org/10.1515/cdbme-2025-0240
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!