CardioPHON：基于心尖动脉图记录的心功能筛查质量评估与自监督预训练
音频与语音处理
2025-11-07 v1
摘要
远程监测心血管疾病在早期发现异常心功能方面发挥着essential作用，使及时干预、改进的预防性护理和个性化患者治疗成为可能。通过计算机辅助决策系统自动检测心音异常，可用作心血管问题筛查的第一线工具，或用于监测治疗和干预的效果。我们在本文中提出CardioPHON，一个集成的心音质量评估和分类工具，可用于从心尖动脉图记录中筛查异常心功能。该模型在六组小型和中型心音数据集上以自监督方式进行预训练，实现自动低质量记录的移除，以确保细微的心音异常不会被误诊，并为心音分类任务提供领先的性能。该组合音频和社会人口统计特征的多模态模型表现出色，在2022年乔治B.摩迪诺Net心音挑战赛的官方领导榜单中取得最佳排名，而仅基于心尖动脉图记录的单模态模型在单模态方法中位列第一（总排名4），超越了利用多模态的模型。CardioPHON是心音记录领域首个公开发布的预训练模型，促进了开发能够在心血管诊断中针对各种下游任务实现数据高效的人工智能模型的泛化能力。
引用
@article{arxiv.2511.04533,
title = {CardioPHON: Quality assessment and self-supervised pretraining for screening of cardiac function based on phonocardiogram recordings},
author = {Vladimir Despotovic and Peter Pocta and Andrej Zgank},
journal= {arXiv preprint arXiv:2511.04533},
year = {2025}
}