arXiv · cs.AI· Jeonghwa Lim·· 21 天前AI 评分24
标签高效的深度学习 ECG 波形划分研究：对比多种常用划分工具的多数据集 Benchmark
Label-Efficient Deep Learning for ECG Delineation: A Multi-Dataset Benchmark against Widely Used Delineation Tools
来源与原文
arXiv · cs.AI
作者：Jeonghwa Lim
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07885v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究在 1 个内部和 4 个外部数据集上验证，自监督预训练配合微调可降低 ECG 划分对专家标注的依赖。所选深度学习模型在全部指标和数据集上排名最佳，在节律多样集合上以 mIoU 71.3% 对 54.8%、逐点敏感度 92.6% 对 76.4% 明显超过最强的开源工具（NeuroKit2、Prominence、ECGdeli）和商业工具 CalECG，且从窦性心律到心律失常的性能退化最小。
来源：arXiv · cs.AI · arxiv.org