MedMamba: Un Nuovo Modello a Spazio di Stato per la Classificazione di Serie Temporali Mediche
MedMamba introduce un innovativo modello a spazio di stato bidirezionale multi-scala specificamente progettato per classificare dati di serie temporali mediche, come segnali ECG ed EEG. Questa architettura innovativa supera gli svantaggi associati ai metodi esistenti basati su convoluzioni, reti ricorrenti e Transformer, che spesso affrontano sfide a causa della loro complessità quadratica. MedMamba integra tre bias induttivi chiave: centralizzazione spaziale, composizione temporale multi-scala e dipendenza contestuale non causale. Inoltre, presenta un modulo leggero di miscelazione dei canali per una riparametrizzazione incrociata efficace. La ricerca è accessibile su arXiv con l'identificatore 2605.05214.
Fatti principali
- MedMamba è un'architettura a spazio di stato bidirezionale multi-scala.
- È progettata per la classificazione di serie temporali mediche.
- Il modello affronta le limitazioni degli approcci basati su convoluzioni, reti ricorrenti e Transformer.
- Integra tre bias induttivi: centralizzazione spaziale, composizione temporale multi-scala e dipendenza contestuale non causale.
- Un modulo leggero di miscelazione dei canali viene utilizzato per la riparametrizzazione incrociata.
- L'articolo è su arXiv con identificatore 2605.05214.
- Le serie temporali mediche includono segnali ECG ed EEG.
- Gli approcci basati su Transformer comportano complessità quadratica.
Entità
Istituzioni
- arXiv