Patient-Aware Contrastive Learning

新AI方法保留患者结构，以实现更好的生理信号泛化

研究人员开发了一种新颖的患者感知对比学习方法，旨在提高生理信号模型训练的泛化能力。该方法专门解决了个体患者内部不同的基线模式带来的挑战，这些模式会阻碍模型在未见过个体上的性能。通过仅将同患者、同类别的片段形成正例对，该方法在区分类别时保留了患者的个体差异。该技术在IRIDIA-AF数据集上展示了优越的患者结构保留能力，并实现了0.989的高患者独立接收者操作特征曲线下面积（AUROC），突显了跨患者稳健泛化能力对每位被试几何一致性的重要性。