arXiv · cs.AI· Aruna Mohan·· 2 天前AI 评分13
QECGBERT：基于 VQ-VAE 波形 tokenization 的自监督可扩展 ECG 基础模型
QECGBERT: A Scalable ECG Foundation Model Based on Self-Supervised Language Learning via VQ-VAE Waveform Tokenization
来源与原文
arXiv · cs.AI
作者：Aruna Mohan
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/2610.33964v1
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
QECGBERT 是一种自监督 ECG 语言模型，通过 VQ-VAE 将 12 导联心电图的 P、QRS、T 及等电位背景波形进行 tokenization，并融合连续波形特征以保留量化丢失的形态信息。该模型在 MIMIC-IV 超过 800,000 条无标注 ECG 记录上做 BERT 预训练，并在 PTB-XL、CPSC2018 和 Chapman–Shaoxing–Ningbo 数据集上微调评估，性能达到或超过已发表基准。短序列设计提升了可扩展性并降低计算成本，为心脏诊断提供可扩展、具备生理语义的 ECG 基础建模方案。
来源：arXiv · cs.AI · arxiv.org