知识增强的多模态心电图表征学习与任意导联输入
机器学习
2025-02-26 v1 人工智能
摘要
多模态心电图表征学习的最新进展集中于将心电图信号与配对的自由文本报告进行对齐。然而，由于医学语言的复杂性以及对全12导联设置的依赖，对齐效果欠佳，而全12导联设置在资源匮乏的环境中往往不可用。为了解决这些问题，我们提出了K-MERL，一个知识增强的多模态心电图表征学习框架。K-MERL利用大语言模型从自由文本报告中提取结构化知识，并采用导联感知心电图编码器与动态导联掩码来适应任意导联输入。在六个外部心电图数据集上的评估表明，K-MERL在零样本分类和线性探测任务中达到了最先进的性能，同时在部分导联零样本分类中相比现有方法实现了平均16%的AUC提升。
引用
@article{arxiv.2502.17900,
title = {Knowledge-enhanced Multimodal ECG Representation Learning with Arbitrary-Lead Inputs},
author = {Che Liu and Cheng Ouyang and Zhongwei Wan and Haozhe Wang and Wenjia Bai and Rossella Arcucci},
journal= {arXiv preprint arXiv:2502.17900},
year = {2025}
}