通过形态-节律解耦实现ECG泛化

Research Paper#Medical AI, ECG Analysis, Deep Learning🔬 Research|分析: 2026年1月3日 16:07•
发布: 2025年12月29日 10:14
•
1分で読める
•ArXiv

分析

本文解决了跨不同数据集泛化ECG分类的挑战，这是临床部署的关键问题。核心思想是解耦形态特征和节律动力学，这有助于模型降低对分布变化的敏感性。所提出的ECG-RAMBA框架结合了MiniRocket、HRV和双向Mamba骨干，显示出有希望的结果，尤其是在零样本转移场景中。Power Mean池化的引入也是一个值得注意的贡献。
引用 / 来源
查看原文
"ECG-RAMBA achieves a macro ROC-AUC ≈ 0.85 on the Chapman--Shaoxing dataset and attains PR-AUC = 0.708 for atrial fibrillation detection on the external CPSC-2021 dataset in zero-shot transfer."
A
ArXiv2025年12月29日 10:14
* 根据版权法第32条进行合法引用。
较旧

OpenAI Moves to Complete Potentially the Largest Theft in Human History

较新

OpenAI Acquires Rockset

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv