CuPID：利用掩码单导联ECG建模增强表示
机器学习
2025-03-03 v1
摘要
可穿戴传感设备（如心电图（ECG）心率监测仪）将在未来的数字健康中发挥关键作用。这种持续监测产生了大量未标记数据，从而激励了无监督学习框架的开发。尽管掩码数据建模（MDM）技术已得到广泛应用，但由于在未提供上下文信息时解码器难以处理不规则的心跳间隔，将其直接应用于单导联ECG数据并非最优。在本文中，我们提出了Cueing the Predictor Increments the Detailing（CuPID），一种针对单导联ECG量身定制的新型MDM方法。CuPID通过向解码器提示源自频谱图的上下文来增强现有的MDM技术，从而激励编码器产生更详细的表示。这对编码器在广泛的不同配置下的性能产生了显著影响，使CuPID在各种下游任务中优于SOTA方法。
引用
@article{arxiv.2502.21127,
title = {CuPID: Leveraging Masked Single-Lead ECG Modelling for Enhancing the Representations},
author = {Adtian Atienza and Gouthamaan Manimaran and Jakob E. Bardram and Sadasivan Puthusserypady},
journal= {arXiv preprint arXiv:2502.21127},
year = {2025}
}
备注
Paper under review