ECG-NAT

ECG-NAT模型使用自监督学习进行心电图分类

研究人员开发了ECG-NAT，这是一种用于多导联心电图分类的自监督邻域注意力Transformer。该模型采用两阶段方法，首先在无标签心电图数据上进行生成式预训练以学习鲁棒表示，然后使用双重损失函数进行判别式微调。ECG-NAT的分层注意力机制能够有效地捕捉精细的心搏形态和更广泛的节律模式，在仅使用1%的标签数据的情况下达到了88.1%的准确率，在资源匮乏的情况下非常有效。