OpenECG：使用公开 120 万条记录评估 ECG 基础模型
机器学习
2025-03-04 v1 人工智能
摘要
本研究提出了 OpenECG，一个来自九个中心的 120 万条 12 导联 ECG 记录的大规模基准，用于评估在公开数据集上训练的 ECG 基础模型。我们使用 ResNet-50 和 Vision Transformer 架构研究了三种自监督学习方法，通过留一数据集实验和数据缩放分析评估模型泛化能力。结果表明，在多样化数据集上进行预训练显著提升了泛化能力，BYOL 和 MAE 优于 SimCLR，突显了特征一致性和生成学习相对于对比学习方法的有效性。数据缩放实验表明，BYOL 和 MAE 的性能在总数据的 60-70% 时达到饱和，而 SimCLR 需要更多数据。这些发现表明，公开的 ECG 数据在训练鲁棒的 ECG-FM 方面可以匹敌或超越专有数据集，为可扩展的、具有临床意义的 AI 驱动 ECG 分析铺平了道路。
引用
@article{arxiv.2503.00711,
title = {OpenECG: Benchmarking ECG Foundation Models with Public 1.2 Million Records},
author = {Zhijiang Wan and Qianhao Yu and Jia Mao and Wenfeng Duan and Cheng Ding},
journal= {arXiv preprint arXiv:2503.00711},
year = {2025}
}