Gramian Angular Difference Field

新的基于图的人工智能学习心电图模式以诊断疾病

研究人员开发了一种新颖的基于图的伪多模态对比学习框架Graph-CMMC，以改进12导联心电图（ECG）数据的分析。该方法通过模拟导联间依赖性和全局波形模式来解决现有方法的局限性，这对于诊断冠状动脉疾病等病症至关重要。该框架将ECG波形转换为Gramian Angular Difference Field（GADF）图像，以创建互补表示，从而实现自我监督学习，对齐这些不同的视图，同时基于图的模块强制执行跨导联的结构一致性。