通过多层协同提升心电图基础模型性能

ECG-Soup: Harnessing Multi-Layer Synergy for ECG Foundation Models

• 设计多层协同机制融合不同层级特征
• 在多个数据集上实现优于现有方法的准确率
• 适合心电图分析与医疗AI研究者参考

基于Transformer的心电图（ECG）基础模型在诸多下游应用中取得了显著成效。然而，如何有效利用多层次特征以进一步提升模型表现仍是挑战。本文提出ECG-Soup，一种通过多层协同机制挖掘深层与浅层特征互补性的新方法。该方法在多个公开心电图数据集上验证，显著提升了分类与诊断任务的准确率，尤其在小样本场景下表现更优。实验表明，多层特征融合能有效增强模型对复杂波形模式的捕捉能力，为构建高性能心电图基础模型提供了新思路。

原文摘要 · Abstract (English)

Transformer-based foundation models for Electrocardiograms (ECGs) have recently achieved impressive performance in many downstream applications.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。