UniECG：用于ECG理解与生成的统一模型
计算与语言
2025-09-24 v1
摘要
近期出现的统一模型（如GPT-5）在视觉语言任务上取得了令人鼓舞的进展。然而，这些统一模型通常无法正确理解ECG信号且提供准确的医学诊断，也无法正确生成ECG信号。为此，我们提出UniECG，是首个能够同时执行基于证据的ECG解释与文本条件ECG生成的统一ECG模型。通过解耦的两阶段训练方法，该模型首先学习基于证据的解释技能（ECG-to-Text），随后通过潜在空间对齐注入ECG生成能力（Text-to-ECG）。UniECG可自主根据用户输入选择是解释还是生成ECG，显著扩展了当前ECG模型的能力边界。我们的代码和模型权重将在接受后于 https://github.com/PKUDigitalHealth/UniECG 上公开。
引用
@article{arxiv.2509.18588,
title = {UniECG: Understanding and Generating ECG in One Unified Model},
author = {Jiarui Jin and Haoyu Wang and Xiang Lan and Jun Li and Gaofeng Cheng and Hongyan Li and Shenda Hong},
journal= {arXiv preprint arXiv:2509.18588},
year = {2025}
}