跳到正文
热点事件持续更新

MyoECG跨模态框架发布实现ECG心肌病检测

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

MyoECG是一个跨模态表征学习框架,由Zhengyao Ding等研究者提出。该框架的核心技术是从心脏磁共振(CMR)向标准12导联心电图(ECG)蒸馏心肌结构和功能知识,从而实现仅凭心电图进行心肌病变检测与分型。 该模型在包括UK Biobank在内的7个独立数据集上进行了验证,共使用了180万份ECG数据。验证结果显示,其检测AUROC达到0.800至0.974之间,性能优于5个预训练的ECG基础模型。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    MyoECG 框架利用跨模态学习实现仅基于心电图的心肌病变检测

    跨模态框架 MyoECG 通过从心脏磁共振(CMR)向 12 导联心电图(ECG)蒸馏知识,实现仅凭心电图进行心肌病变检测与分型。该模型在 UK Biobank 等 7 个独立数据集的 180 万份 ECG 上验证,检测 AUROC 达 0.800-0.974,优于 5 个预训练 ECG 基础模型。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。