LVCG: Apprendimento di Rappresentazioni Cardiache nello Spazio del Vettorcardiogramma
Un nuovo framework di apprendimento auto-supervisionato chiamato LVCG opera nello spazio del vettorcardiogramma (VCG) anziché nel segnale ECG standard. L'ECG standard a dodici derivazioni registra multiple proiezioni della stessa attività cardiaca, introducendo ridondanza e rischio di overfitting. LVCG, motivato dal modello di Frank VCG, apprende una rappresentazione latente unificata direttamente nello spazio VCG. Questo è il primo framework generale di apprendimento auto-supervisionato progettato per questo spazio fisicamente fondato. L'approccio mira a migliorare compiti come la diagnosi di malattie e la generazione di referti clinici.
Fatti principali
- L'ECG è un pilastro della valutazione cardiaca
- L'ECG standard a dodici derivazioni rappresenta multiple proiezioni della stessa attività cardiaca
- L'apprendimento di rappresentazioni nello spazio ECG introduce ridondanza e rischio di overfitting
- LVCG è motivato dal modello del vettorcardiogramma (VCG) di Frank
- LVCG apprende una rappresentazione latente unificata nello spazio VCG
- LVCG è il primo framework generale di apprendimento auto-supervisionato per lo spazio VCG
- Il framework è progettato per compiti come la diagnosi di malattie e la generazione di referti clinici
- L'articolo è disponibile su arXiv con ID 2605.31249
Entità
Istituzioni
- arXiv