论文

在无需原始 ECG 重放的持续 ECG 部署中将专家保留与自主源推理分开

Separating Expert Retention from Autonomous Source Inference in Raw-ECG-Replay-Free Continual ECG Deployment

模型评测模型能力评测

摘要

在多源 ECG 部署中,当无法保留或重放早期的原始 ECG 时,新的源可能会到达。在冻结主干上隔离源特定分类器可以防止参数干扰,但源未知推理仍然需要选择合适的专家。我们使用 IRFE-ECG 来研究这种区别,IRFE-ECG 是一个基于冻结的 1024 维 ECGFounder 功能构建的受控持续部署框架。每个到达的源都会添加一个隔离的 Balanced-Softmax 线性专家,同时使用保留的冻结训练特征和来自先前观察到的源的源标签重新安装轻量级路由器。主要贡献不是提出新的路由架构,而是将保留的专家性能与自主源推理分开,并量化由此产生的部署差距。在 CPSC、PTB-XL、佐治亚州和查普曼绍兴,源感知专家选择达到 $0.7915 \pm 0.0036$ Macro-F1,接近匹配的离线独立头参考 $0.7885 \pm 0.0009$。如果没有源 ID,MLP 路由器将达到 $0.7756 \pm 0.0027$,而 top-2 边缘融合达到 $0.7782 \pm 0.0022$。在配对引导下,top-2 的改进很小(+0.0026)并且没有统计显着性。在三个域顺序中,top-2 与 oracle 的差距仍然是 0.0111-0.0133,这表明该协议中存在持续的源推断差距。由于无法获得可靠的患者标识符,因此结果达到了创纪录的水平。该方法不重放原始心电图,但它保留用于路由器更新的冻结特征向量,因此是无原始心电图重放的,而不是无内存的。代码可在 https://github.com/yufanlu221/IRFE-ECG 上公开获取。