Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

SuPreME: A Supervised Pre-training Framework for Multimodal ECG Representation Learning

Created by
  • Haebom

作者

Mingsheng Cai, Jiuming Jiang, Wenhao Huang, Che Liu, Rossella Arcucci

概要

本論文では、心血管疾患の診断と監視に不可欠な心電図(ECG)データの欠如の問題を解決するために、指導学習ベースのマルチモーダルECG表現学習フレームワークであるSuPreMEを提案します。 SuPreMEは、大規模言語モデル(LLM)を使用して、ECGレポートから構造化診断ラベルを抽出して事前学習を実行します。これにより、ノイズ除去、心臓概念の標準化、臨床表現学習の向上が図られます。固定ラベルの代わりにECG信号とテキストベースの心臓の質問を組み合わせることで、未知の疾患のゼロショット分類を可能にします。 6つのサブデータセット(106種類の心臓疾患を含む)で評価した結果、最先端のeSSL方法より4.98%高い77.20%のゼロショットAUC性能を達成し、臨床的に関連性のある構造化された知識を活用した高品質ECG表現学習の効果を示します。

Takeaways、Limitations

Takeaways:
LLMを活用した構造化診断ラベル抽出によるECGデータの効率的な学習と利用可能性の提示
ゼロショット学習による未知の心臓病分類性能の向上
従来のESSL方式と比較してパフォーマンスの向上を達成
臨床的に有意なECG表現学習の可能性を提示する。
Limitations:
LLMの性能と信頼性に依存する側面存在
様々な言語および医療システム環境における一般化性能検証が必要
LLMを用いたラベル抽出プロセスの誤りの可能性とそれに対する補足戦略の必要性
実際の臨床環境適用のための追加の検証と研究の必要性。
👍