ECG-MoE: Mixture-of-Expert Electrocardiogram Foundation Model

Created by

Haebom

저자

Yuhao Xu, Xiaoda Wang, Yi Wu, Wei Jin, Xiao Hu, Carl Yang

💡 개요

본 연구는 기존 심전도(ECG) 분석 모델의 주기성 및 임상 과제별 다양성 부족 문제를 해결하기 위해 ECG-MoE라는 새로운 하이브리드 아키텍처를 제안합니다. ECG-MoE는 여러 모델의 시간적 특징과 심장 주기 인지 전문가 모듈을 통합하며, 비트 수준 형태와 리듬을 분리하여 모델링하는 듀얼 경로 Mixture-of-Experts를 활용합니다. LoRA를 사용한 계층적 융합 네트워크를 통해 효율적인 추론을 가능하게 하며, 다섯 가지 임상 과제에서 기존 모델 대비 40% 빠른 추론 속도와 함께 최고 수준의 성능을 달성했습니다.

🔑 시사점 및 한계

•

ECG-MoE는 심전도 분석에서 주기성과 임상 과제별 다양성을 효과적으로 포착할 수 있는 새로운 아키텍처를 제시합니다.

•

듀얼 경로 Mixture-of-Experts와 LoRA 기반의 효율적인 융합 네트워크를 통해 성능 향상과 추론 속도 개선을 동시에 달성했습니다.

•

제안된 모델의 실제 임상 환경에서의 확장성 및 다양한 심장 질환에 대한 일반화 성능 검증이 필요합니다.

PDF 보기

Made with Slashpage