多数据集ECG波形 delineation 基准研究

研究团队通过一个内部和四个外部数据集评测ECG波形边界标注，并报告自监督预训练有效，但其收益取决于预训练目标和少样本微调方式。按论文摘要，所选深度学习模型在全部数据集的三项指标上均排名第一，在节律多样数据集上以71.3%的mIoU和92.6%的平均逐点灵敏度超过最强工具的54.8%和76.4%，且从正常窦性节律到心律失常时性能下降更少。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。