ECG-MoE：専門家混合型心電図基盤モデル
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
ArXiv cs.AI
研究者がECG-MoEを提案した。このモデルは専門家混合アーキテクチャを用いて、心拍の形態とリズムを別々にモデル化し、心臓診断のための多様な臨床タスクに対応する。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
arXiv:2603.04589v1 アナウンスタイプ：新規
概要：心電図（ECG）解析は心臓診断において不可欠ですが、既存のファウンデーションモデルは、多様な臨床タスクに必要な周期性や多様な特徴を捉えることにしばしば失敗します。私たちは、マルチモデル時系列特徴と心周期認識型エキスパートモジュールを統合したハイブリッドアーキテクチャである ECG-MoE を提案します。私たちのアプローチでは、ビートレベルの形態とリズムをそれぞれモデル化するためにデュアルパス Mixture-of-Experts（専門家混合）を使用し、効率的な推論のために LoRA を用いた階層的融合ネットワークを組み合わせています。5 つの公的臨床タスクで評価した結果、ECG-MoE はマルチタスクベースラインよりも 40% 高速に推論を行い、最先端のパフォーマンスを達成しました。
原文を表示
arXiv:2603.04589v1 Announce Type: new
Abstract: Electrocardiography (ECG) analysis is crucial for cardiac diagnosis, yet existing foundation models often fail to capture the periodicity and diverse features required for varied clinical tasks. We propose ECG-MoE, a hybrid architecture that integrates multi-model temporal features with a cardiac period-aware expert module. Our approach uses a dual-path Mixture-of-Experts to separately model beat-level morphology and rhythm, combined with a hierarchical fusion network using LoRA for efficient inference. Evaluated on five public clinical tasks, ECG-MoE achieves state-of-the-art performance with 40% faster inference than multi-task baselines.
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み