将预训练的 10 秒心电图基础模型扩展到更长的视野

在典型的诊断 10 秒心电图片段上进行预训练的心电图 (ECG) 基础模型已在一系列临床应用中表现出强大的可移植性。然而，许多现实世界的应用程序生成的记录通常较长，并且在推理时间内持续时间各不相同。这些 10 秒模型没有内置方法来跨时间组合信息。将它们扩展到更长的视野会带来两个挑战：输入长度差异引起的结构不兼容，以及限制有意义的时间聚合的语义挑战。我们提出了一个参数高效的框架，将预训练的心电图基础模型扩展到更长且可变长度的心电图，而无需重新训练主干网。在冻结的预训练 10 秒模型的指导下，我们引入了一个轻量级插件模块，该模块以两种互补的方式扩展模型：(i) 结构兼容的长序列处理和 (ii) 语义通知的时间建模。对多个长范围心电图任务、数据集和基础模型主干的实验表明，我们的方法能够从预训练的快照模型中实现强大的长范围扩展，始终优于滑动窗口和基于池的基线，具有强大的参数效率。