Core Concepts
MERLフレームワークは、臨床報告書の監督下で学習されたECG表現を活用し、ゼロショット分類を可能にします。これにより、訓練データが不要となり、他のeSSL方法を凌駕します。
Abstract
ECGは心臓の電気活動を監視するための一般的な臨床データです。
eSSL方法は未注釈のECG記録から表現学習を行いますが、臨床知識を無視しています。
MERLフレームワークは、ECG記録と関連する報告書に対する多モーダル学習を通じてゼロショットECG分類を実行します。
CKEPEアプローチは、LLMを使用して外部専門家によって検証された臨床知識データベースから情報を抽出し、ゼロショット分類のためのカスタマイズされたプロンプトを生成します。
MERLは6つの公開ECGデータセット全体で最高性能を示しました。
Stats
MERLは平均AUCスコアが75.2%であり、10%注釈付きトレーニングデータでリニアプロブされたeSSL方法よりも3.2%高い結果でした。
Quotes
"MERLフレームワークは、他のeSSL方法よりも優れたパフォーマンスを発揮しました。"
"CKEPEアプローチは、ゼロショット分類において重要な役割を果たしました。"