面向患者独立的 ECG 重建的病理感知多视图对比学习
机器学习
2026-03-19 v1 人工智能
摘要
从缩减电极集重建 12 导联心电图 (ECG) 是一个因解剖变异性而具有 ill-posed 逆问题。标准深度学习方法常忽略潜在心脏病理，导致失去导联中关键形态特征。我们提出病理感知多视图对比学习框架，通过病理流形对潜在空间进行正则化。我们的架构整合了高保真时域波形与通过监督对比对齐学习的病理感知嵌入。通过最大化潜在表示与临床标签之间的互信息，框架学习到过滤解剖“杂质”变量的能力。在 PTB-XL 数据集上，我们的方法在患者独立设置下实现了约 76% 的 RMSE 降低，优于最新的模型。跨数据集评估在 PTB 诊断数据库上确认了优异的泛化能力，弥合了硬件便携性与诊断级重建之间的差距。
引用
@article{arxiv.2603.17248,
title = {Pathology-Aware Multi-View Contrastive Learning for Patient-Independent ECG Reconstruction},
author = {Youssef Youssef and Jitin Singla},
journal= {arXiv preprint arXiv:2603.17248},
year = {2026}
}