ECG波形分割多数据集基准：自监督模型超越常用工具

一项多数据集基准测试显示，采用自监督预训练的标签高效深度学习模型在ECG波形分割上全面超越常用分割工具。该模型在全部指标和数据集上排名最佳；在心律多样集上mIoU达71.3%，最强工具为54.8%；平均逐点敏感度92.6%，工具为76.4%，且从窦性心律到心律失常的退化最小。 作者Jeonghwa Lim等人称，这些结果提供了系统性的多数据集证据，表明自监督预训练对ECG波形分割有效，并能利用大量无标签数据，使标签高效训练的深度学习模型优于广泛使用的分割工具。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。