ECG数据对比学习应用：日语性能评估与100余类分类
人工智能
2025-04-15 v1
摘要
心电图 (ECG) 因其强大且非侵入性的特性，成为心血管诊断的基本工具。最关键的用途之一是确定是否需要进一步的详细检查，用户水平参差不齐。鉴于这种 expertise 的多样性，对用户提供辅助以避免关键错误显得至关重要。最近的机器学习研究通过从ECG数据中提取有价值信息来解决这一挑战。利用语言模型，这些研究已实现了针对标记术语的ECG分类的多模态模型。然而，类别数量被减少，不确定这种技术是否对除英语之外的语言有效。为向实际应用迈进，我们利用来自日本医院常规患者的ECG数据，保持来自实际ECG读数的大量日语标签。使用对比学习框架，我们发现即使在98个分类标签下，基于日语的语言模型也能实现与前期研究相当的准确率。这项研究将多模态机器学习框架的适用性扩展到更广泛的临床研究和非英语语言。
引用
@article{arxiv.2504.09302,
title = {Application of Contrastive Learning on ECG Data: Evaluating Performance in Japanese and Classification with Around 100 Labels},
author = {Junichiro Takahashi and JingChuan Guan and Masataka Sato and Kaito Baba and Kazuto Haruguchi and Daichi Nagashima and Satoshi Kodera and Norihiko Takeda},
journal= {arXiv preprint arXiv:2504.09302},
year = {2025}
}
备注
13 pages, 1 figures