Kernekoncepter
心電図データの時空間関係を捉えるためのST-MEMは、一般的な表現を学ぶことができ、様々な実験設定で優れたパフォーマンスを示します。
Resumé
ABSTRACT:
心電図(ECG)は心臓から発生する電気信号を監視し、病気の診断に広く使用されています。
自己教師付き学習(SSL)を通じて一般的な表現を学ぶ取り組みがあります。
ECGベースの診断では、コントラストおよび生成学習方法が考慮されています。
INTRODUCTION:
ECGは非侵襲的な心臓測定であり、さまざまな心臓疾患を検出するために使用されます。
SSLフレームワークであるST-MEMは、ECGデータに対して時空間パッチ処理を適用し、エンコーダとデコーダで再構築します。
METHOD:
ST-MEMは自己教師付きフレームワークであり、MAEアーキテクチャを使用してランダムにマスクされた部分のデータを再構築します。
パッチ化したECG信号に対してリニアプロジェクションが行われ、位置埋め込みと共にエンコーダへ入力されます。
EXPERIMENTAL SETTINGS:
12リードECGデータセットが事前トレーニングおよび下流タスクで使用されました。
PTB-XLやCPSC2018などのデータセットが含まれており、すべてのECGデータは250Hzにリサンプリングされました。
Statistik
ECG信号から一般的な表現を学ぶ方法:SSLフレームワーク(MAEアーキテクチャ)
ST-MEMが他のSSL基準法よりも優れた性能を示す実験設定