EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model
Created by
Haebom
Category
Empty
저자
Yuhao Xu, Xiaoda Wang, Jiaying Lu, Sirui Ding, Defu Cao, Huaxiu Yao, Yan Liu, Xiao Hu, Carl Yang
개요
ECG 분석의 중요성을 강조하며, 여러 심장 이상 관련 특징을 활용하지 못하는 기존 모델과, 여러 ECG 작업을 위한 특정 모델 개발의 어려움을 지적합니다. 이를 해결하기 위해, ECG 멀티태스크를 위한 전문가 기반 앙상블 학습 프레임워크인 EnECG를 제안합니다. EnECG는 여러 전문 파운데이션 모델을 통합하여 각 모델의 장점을 활용하고, LoRA를 적용한 경량화된 적응 전략과 MoE 메커니즘을 통해 앙상블 가중치를 학습합니다. 이 프레임워크는 계산 비용을 줄이면서도 파운데이션 모델의 강력한 표현력을 유지하며, 실제 임상 적용을 위한 효율성을 보장합니다.
시사점, 한계점
•
시사점:
◦
다양한 ECG 태스크를 해결하기 위해 여러 전문 모델의 장점을 활용하는 앙상블 학습 프레임워크를 제시.
