面向儿童先天性心脏病的鲁棒 AI-ECG 左心室收缩功能预测
计算工程、金融与科学
2025-11-14 v2
摘要
人工智能增强型心电图（AI-ECG）已显示出作为检测儿童先天性心脏病左心室收缩功能不全的低成本、普适且无创筛查工具。然而，当前方法依赖大规模标记数据集，这是推动 AI 在仅拥有有限儿童 ECG 数据的医院实现民主化的主要障碍。本文提出一种鲁棒训练框架以提高 AI-ECG 在低资源条件下的性能。具体而言，我们提出一种用于儿童 ECG 的流形对抗扰动策略，以生成更贴近真实世界信号变化的合成噪声样本。基于此，我们开发了一种无特定结构依赖的不确定性感知对抗训练算法，增强模型鲁棒性。在真实世界儿童数据集上的评估表明，我们的方法实现了低成本且可靠的左心室收缩功能不全检测，凸显了其在资源受限临床环境中的潜在部署价值。
引用
@article{arxiv.2509.19564,
title = {Robust AI-ECG for Predicting Left Ventricular Systolic Dysfunction in Pediatric Congenital Heart Disease},
author = {Yuting Yang and Lorenzo Peracchio and Joshua Mayourian and John K. Triedman and Timothy Miller and William G. La Cava},
journal= {arXiv preprint arXiv:2509.19564},
year = {2025}
}
备注
Accepted to ML4H 2025 Findings