Ein neuartiger, interpretabler Architekturansatz für die medizinische Zeitreihenverarbeitung, der die Leistungsfähigkeit tiefer neuronaler Netze bei deutlich geringerem Parameteraufwand erreicht.
Selbstüberwachtes kontrastives Lernen kann robuste und generalisierbare Repräsentationen von Phonokardiogramm-Signalen lernen, ohne auf zeitaufwendige Annotationen durch medizinische Experten angewiesen zu sein.