基于多方面异构知识蒸馏的高效 ECG 解释框架 EVL-ECG
计算机视觉与模式识别
2026-05-29 v1 机器学习
摘要
高保真 ECG 解释日益依赖大规模基础模型，但其在临床边缘护理中的部署仍受制于计算需求的极端限制。虽然知识蒸馏（KD）是一条有前景的解决方案，但传统方法在跨异构架构传递知识时无法捕捉 ECG 信号中复杂的时空依赖关系。本文提出 EVL-ECG 框架，专为跨架构心电图诊断逻辑蒸馏而设计。EVL-ECG 引入三项 ECG 相关创新：（1）多头交叉注意力对齐，协调架构差异以保留细粒度形态特征；（2）基于最优传输的视觉特征匹配，利用最优传输在 ECG 各导联之间维持全局结构关系；（3）几何内部架构关系匹配，蒸馏教师模型的潜在诊断推理。跨 ECG 数据集的评估表明，EVL-ECG 在现有基线方法上实现了最高可达 2.4% 的 AUC 提升和 1.1% 的临床准确率提升。值得注意的是，EVL-ECG 构建了一个高效的 20 亿参数 ECG 基础模型，适用于资源受限的临床环境。
引用
@article{arxiv.2605.29977,
title = {EVL-ECG: Efficient ECG Interpretation With Multi-Aspect Heterogeneous Knowledge Distillation},
author = {Dang Hong Nguyen and Nhi Ngoc-Yen Nguyen and Huy-Hieu Pham},
journal= {arXiv preprint arXiv:2605.29977},
year = {2026}
}
备注
Accepted at the SD4H Workshop at ICML 2026. 11 pages, 3 figures