BenchECG 与 xECG：ECG 基础模型的基准与基线

心电图（ECG）成本低廉、应用广泛，且非常适合深度学习。近年来，人们对开发 ECG 基础模型——即能够泛化到各种下游任务的模型——的兴趣日益增长。然而，一直缺乏一致的评估：先前的工作通常使用狭窄的任务选择和不一致的数据集，阻碍了公平比较。在此，我们引入了 BenchECG，这是一个标准化的基准，包含一套全面的公开 ECG 数据集和多样化的任务。我们还提出了 xECG，一种基于 xLSTM 的循环模型，使用 SimDINOv2 自监督学习进行训练，与公开可用的 SOTA 模型相比获得了最佳的 BenchECG 得分。特别是，xECG 是唯一一个在所有数据集和任务上均表现强劲的公开可用模型。通过标准化评估，BenchECG 实现了严格的比较，旨在加速 ECG 表示学习的进展。xECG 实现了优于早期方法的性能，为未来的 ECG 基础模型定义了新的基线。