跳到正文
arXiv · AI· Riccardo Cavarra, Lupo Lovatelli, Shaheim Ogbomo-Harmitt, Jakub Grzelak, Adelaide De Vecchi, Andrew King, Oleg Aslanidi·· 10 天前AI 评分42

PACE-ECG:结合时序对比与多任务监督的心电图预训练框架

PACE-ECG: Patient-Aware Contrastive ECG Pretraining; Leveraging Longitudinal Structure for Transferable Representations

AI 导读

PACE-ECG框架利用同一患者时序邻近记录进行对比学习,结合临床多任务监督生成ECG表征。 在MIMIC-IV及外部HEEDB队列中,该模型以41倍更小的编码器规模,在死亡率及心衰预测上优于DeepECG-SSL,外部AUROC提升最高达11.0%。 消融实验证实患者时序配对显著优于通用自监督,表明预训练目标设计对临床可迁移性起关键作用。

来源:arXiv · AI · arxiv.org