TolerantECG：面向不完美心电图的基础模型

心电图（ECG）是诊断心脏疾病的重要工具，但其有效性常因噪声或标准12导联记录中部分导联缺失而受到影响，导致诊断错误或不确定性。为解决这些问题，提出了一种名为TolerantECG的心电信号基础模型，该模型对噪声具有鲁棒性，并能适应标准12导联ECG的任意子集。

TolerantECG训练结合了对比学习和自监督学习框架，能够联合学习心电信号表征及其对应的基于知识检索的文本报告描述，同时处理 corrupted 或导联缺失的信号。综合基准测试结果表明，在PTB-XL数据集的各种心电信号条件和类别级别中，TolerantECG始终表现最佳或次佳，并在MIT-BIH心律失常数据库中实现了最高性能。

该模型已被ACM MM 2025会议接收。

研究领域：

• 机器学习（cs.LG）
• 人工智能（cs.AI）
• 信号处理（eess.SP）

相关资源：
论文DOI：https://doi.org/10.1145/3746027.3755287
arXiv版本：https://doi.org/10.48550/arXiv.2507.09887

提交历史：

• 初版：2025年7月14日
• 修订版：2025年7月29日