FOUND-AF：房颤检测中的心电基础模型评测

房颤（AF）是最常见的持续性心律失常，与卒中、心力衰竭和死亡风险增加有关。最近的ECG基础模型为自动AF检测提供了可转移的表示。然而，它们相对有效性仍不清楚，因为现有研究使用不同的数据集、预处理程序、分类器和验证协议。本研究提出了FOUNDATION-AF，这是一个统一、泄漏控制、部署导向的基准测试框架，用于评估预训练的ECG表示在相同实验条件下的质量。九个公开的基础模型，包括HuBERT-ECG、CLEF、ST-MEM、ECG-JEPA和ECGFOUNDER，分别在四个异构的ECG数据集上进行评估，包括AFDB、CinC2017、CPSC2021和LTAFDB。所有模型都作为冻结的特征提取器使用，并进行了标准化预处理、模型原生重采样、固定XGBoost分类器和记录级别的组交叉验证。评价指标包括分类度量、接收机操作曲线分析、配对记录级别的bootstrap比较（Holm校正）以及嵌入空间可视化，计算效率也进行了评估。ECGFOUNDER模型在所有数据集上表现出最强的整体性能，并且提供了一个准确、小的模型大小、快速推理时间和内存使用之间的有利权衡。因此，FOUNDATION-AF为选择ECG基础模型提供了可重现的框架，并表明紧凑的临床预训练编码器可以在异构获取设置下支持可靠的和计算高效的AF检测。