QECGBERT提出自监督ECG基础模型
热点事件持续更新
QECGBERT提出自监督ECG基础模型
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Aruna Mohan等提出自监督心电图语言模型 QECGBERT；论文报告称，该模型在多个公开数据集上的评估表现与已发表基准相当或更优。 模型用 VQ-VAE 将 12 导联心电图中的 P 波、QRS 波群、T 波和等电位背景标记化，并以 MIMIC-IV 中超过 80 万条未标注心电记录进行 BERT 预训练，再在 PTB-XL、CPSC2018 和 Chapman–Shaoxing–Ningbo 数据集上微调评估。
AI 根据报道生成 · 50 分钟前更新
最新进展10月28日 12:00
QECGBERT：通过 VQ-VAE 波形标记化进行自监督语言学习的可扩展 ECG 基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningQECGBERT：通过 VQ-VAE 波形标记化进行自监督语言学习的可扩展 ECG 基础模型
QECGBERT提出可扩展的自监督 ECG 语言模型，以 VQ-VAE 将 12 导联心电图的 P、QRS、T 波及等电位背景标记化，并用连续波形特征保留形态。在 MIMIC-IV 的超过800,000条未标注 ECG 记录上进行 BERT 预训练，再于 PTB-XL、CPSC2018 和 Chapman--Shaoxing--Ningbo 数据集微调评估；表现与已发表基准相当或更优。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。