- 博客(14)
- 收藏
- 关注
原创 心电论文分享——Tri-STLN三分支时空学习网络:树突聚合动态图卷积与超图建模
Tri-STLN 通过三分支解耦架构重新审视了多导联 ECG 的时空学习:时序分支、空间分支、时空分支各自独立建模,再由 DRL 策略去除冗余、SAFM 融合,形成全局表征。DA-DGCN:树突神经模型(DNM)+ 先验约束的动态图卷积,解决多导联结构建模与样本特异性动态关系学习的双重难题;ST-HGNN:超图建模突破成对节点限制,捕获群组级高阶时空依赖;DRL:基于互信息估计的解耦策略,确保三分支互补而非冗余。
2026-10-13 17:02:28
61
原创 心电论文分享:OI-HGAT:融合O-informmation与超图注意力网络的心肌梗死分类模型
O-信息初始化提供了临床有意义的起点(加速收敛、提升可解释性),而超图注意力自适应地优化节点-超边权重,建模复杂多导联依赖。
2026-09-02 16:34:50
410
原创 EEG论文分享:CogLign 对齐 EEG 脑图与文本知识图谱认知的可解释情感判定
CogLign:基于脑图与知识图谱认知对齐的可解释文本情感分析框架 本文提出CogLign框架,首次通过对齐EEG脑功能连接图(BG)与文本知识图谱(KG)的认知表征来实现可解释的文本情感分析。方法包含三个核心模块:(1)脑图集成模块利用Zigzag持续同调提取脑电信号的拓扑特征;(2)认知对齐模块通过变分推断学习KG实体到EEG电极的映射关系;(3)融合模块整合多模态信息进行情感分类。在SEED和SEED-V数据集上的实验表明,CogLign在情感分类任务中显著优于现有方法,同时能够揭示不同情感对应的大脑
2026-08-13 12:35:39
418
原创 心电自监督论文分享 (8)—— STHD-MAE:时空层次化解耦掩码自编码器
在之前讨论过的 MaeFE 和 ST-MEM 中,时空建模的演进路径已经清晰可见——从"两路独立预训练 + 后融合"到"单编码器内时空联合自注意力"。。现有的 MAE 框架要么过早地将时空信息全局混合(如 ECG-MAE 的 2D 随机掩码 + 全局自注意力),要么简单降维到单一方向(如 MaeFE 的 MTAE 只沿时间、MLAE 只沿空间)。前者导致模型从第一层开始就让每个 token 与所有时空位置交互,可能;后者则。作者提出了:ECG 信号在。
2026-07-30 10:46:58
584
原创 深度学习论文常见损失函数讲解
本文系统总结了深度学习中常用的8种损失函数,分为回归和分类两大类。回归损失包括MSE(对离群点敏感但收敛性好)和MAE(更鲁棒但不可导);分类损失涵盖二分类交叉熵(BCE)、多分类交叉熵(自带Softmax)、Focal Loss(专注难样本)和KL散度(用于知识蒸馏)。文章通过公式解释、PyTorch实现代码和对比表格,清晰展示了各损失函数的特点和适用场景,如MSE用于通用回归、Focal Loss用于目标检测和类别不平衡问题等。
2026-07-29 10:22:25
549
原创 心电自监督论文分享 (7)——MaeFE
心电图(ECG)是诊断心血管疾病的重要工具,深度学习在ECG分类中展现了巨大潜力。然而,监督学习方法需要大量的心内科专家标注的数据,标注过程耗时且成本高昂。此外,医学数据往往不是单一类别(存在多标签共存),进一步增加了标注困难。(连续心博周期的波形形态)和(12个同步导联从不同角度记录心脏电活动)。设计不同的掩码策略来针对性地捕捉这两个维度的特征,是本文的核心出发点。为此,作者提出了MaeFE(MAE Family of ECG)——一个包含三种定制化掩码策略的ECG掩码自编码器。
2026-07-28 16:50:09
766
原创 心电自监督论文分享 (6)—— ST-MEM:时空掩码心电图建模
心电图(ECG)是监测心脏电活动、诊断心血管疾病的重要无创工具。(肢体导联位于额面,胸导联位于水平面),同时每个导联记录了随时间变化的电压波形。(如 MoCo v3、CMSC/CLOCS):通过数据增强前后的表征一致性进行学习。但简单的增强操作(裁剪、翻转、平移)可能(如翻转可能将 ST 段抬高变成压低)。(如 MaeFE 的 MTAE / MLAE):借鉴 MAE 范式,通过重建被遮蔽的 ECG 片段来学习表征。但现有方法要么(MTAE,忽略导联间空间关系),要么。
2026-07-23 11:16:34
661
原创 心电自监督论文分享(5) —— Beat-SSL:基于心跳级软目标对比学习捕获局部 ECG 形态
《Beat-SSL:基于软目标和双上下文对比学习的心电表征方法》提出了一种新型自监督学习框架,通过节律级和心跳级双路径对比学习捕捉ECG信号的全局和局部特征。创新性地引入软目标策略,用连续相似度替代传统二值对比目标,并采用VCG域生理增强技术。实验表明,该方法在PTB-XL多标签分类和LUDB波形分割任务上显著优于现有技术,仅用3%数据即达到ECG-FM模型93%的性能。核心贡献在于:1)共享编码器的双尺度对比架构;2)基于幂指数放大的软相似度度量;3)生理合理的信号增强方案。未来可扩展至更大规模预训练和端
2026-07-21 15:48:03
632
原创 心电自监督论文分享(4) —— LCD:基于导联相关与去相关的自监督心电图分类
本文提出一种基于导联相关与去相关(LCD)的自监督学习方法,用于心电图(ECG)分类。ECG诊断依赖专家标注,成本高昂,现有自监督方法要么未充分利用ECG特性,要么计算复杂。LCD方法从多导联ECG的四个特性出发,设计导联内/间相关性和去相关性损失,实现高效预训练。实验表明,在三个公开ECG数据集上,LCD在线性探测和微调(仅用10%标注数据)任务中均优于对比方法,同时显著降低计算成本。可视化分析证实LCD能有效捕捉关键病理特征,为低标注场景下的ECG分析提供了高效解决方案。
2026-07-17 10:25:04
534
原创 超图自监督论文分享 —— SS-HT:基于结构感知学习的自监督超图训练框架
超图(Hypergraph)因其能够通过超边(Hyperedge)同时连接多个顶点来建模高阶关联,在社交网络、蛋白质交互网络、脑网络、材料科学等领域展现出巨大潜力。然而,将超图融入自监督学习(SSL)框架一直受限于高阶结构变化的高度复杂性。:现有方法仅能判断结构是否发生变化(二值监督信号),无法指导模型学习结构变化的"程度",导致高阶信息捕获存在性能瓶颈。:现有自监督超图训练方法对语义重建信息的重视不足,而这正是大规模预训练模型(如 MAE、ChatGPT)的核心机制之一,限制了模型感知超图语义信息的能力。
2026-07-15 16:46:35
380
原创 心电自监督论文分享(3)—— D^2VLA双视角条件扩散与导联感知注意力表征学习
本文提出$D^2VLA$方法,通过双视角条件扩散与导联感知注意力改进12导联心电图自监督表征学习。方法采用时域和频域双视角嵌入,利用导联感知双分支Transformer建模导联内时序和导联间空间关系,并通过条件扩散机制实现跨视角语义对齐。实验在三个数据集上验证了其有效性,消融实验表明各组件均有显著贡献。可视化分析显示模型能自动捕捉导联间病理相关模式。尽管存在计算开销较大等局限,该方法为ECG表征学习提供了新思路,未来可探索轻量化架构和噪声鲁棒性优化。
2026-07-10 11:16:42
541
原创 心电自监督论文分享 (2)—— MassMIB 多视角信息瓶颈掩码自监督学习
本文提出了一种基于多视角信息瓶颈的掩码自监督心电表征学习方法MassMIB,旨在解决现有ECG自监督学习中的三个核心问题:数据增强依赖性强、单一时域建模以及掩码策略未充分探索。该方法通过时频双视角高比例掩码输入,结合交叉注意力机制和信息瓶颈原理,在PTB-XL等三个公开数据集上验证了其优越性。实验表明,MassMIB在多项分类任务中不仅超越了其他自监督方法,还在小样本场景下优于监督学习。尽管存在参数量大等局限性,但其无需数据增强、多视角融合的优势为ECG表征学习提供了新思路。未来可进一步探索轻量化架构和结构
2026-07-08 19:56:50
355
原创 心电信号图神经网络论文分享(1)——MSAGFN多尺度双图融合
本文提出了一种多尺度自适应图融合网络(MSAGFN)用于12导联心电图的多标签分类。该模型通过构建生理拓扑图和特征相似度图双分支结构,结合多尺度时序特征提取模块(ASPP-Res)和自适应图神经网络(AMGNN),同步捕捉局部波形特征和全局导联关联。实验在PTB-XL数据集上验证了模型的有效性,各项指标均优于基线方法。研究还分析了模型在计算效率、噪声鲁棒性等方面的局限性,并提出了未来改进方向,如模型轻量化、多模态融合等。该工作为心电智能诊断提供了新思路,代码和论文已开源。
2026-07-06 19:54:01
386
原创 心电自监督分类论文分享(1)-read your heart
摘要: 本文提出HeartLang心电自监督学习框架,通过将单心跳视为单词、连续心律作为句子,解决传统方法因固定窗口切割导致的心电形态与节律特征丢失问题。方法包括:1)基于QRS波的自适应分词器生成心电句子;2)向量量化构建8192词心电词库;3)掩码句子预训练学习节律依赖。实验显示,HeartLang在PTB-XL等数据集上AUC显著优于对比方法(小样本场景提升8.14%),尤其在形态与节律分类任务表现突出。框架开源,但存在QRS波依赖性强、算力需求高等局限。未来方向包括多模态融合与轻量化优化。 (149
2026-07-02 14:48:37
589
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅