基于心脏传导的ECG表征学习

本文针对现有ECG自监督学习（eSSL）方法的局限性，重点关注心脏传导过程并与ECG诊断指南对齐。它提出了一个两阶段框架CLEAR-HUG，以捕捉导联间心脏传导的细微变化，从而提高下游任务的性能。

• •提出了用于ECG表征学习的两阶段框架CLEAR-HUG。
• •侧重于心脏传导过程和导联间的细微变化。
• •与ECG诊断指南对齐。
• •在六个任务中实现了6.84%的提升。