ER-JEPA

新的分层JEPA框架在心电图数据分析方面达到SOTA

研究人员开发了一种新颖的轻量级自监督学习框架ER-JEPA，用于分析多变量时间序列数据，并专门应用于心电图（ECG）数据。该框架受心脏病专家诊断方法的启发，采用两阶段分层结构，将两个联合嵌入预测架构（JEPA）与视觉Transformer（ViT）骨干网络相结合。在大量心电图记录数据集上进行预训练后，分层JEPA（H-JEPA）模型在ST-MEM基准测试中取得了最先进的性能，同时展示了快速的计算速度和极小的资源需求。