BenchECG：ECG基础模型标准化开放基准及xECG高效自监督预训练模型

《npj Digital Medicine》：BenchECG and xECG: a benchmark and baseline for ECG foundation models

　　

摘要

心电图（ECG）成本低、应用广泛，且非常适合深度学习。目前，对能够泛化到多种下游任务的ECG基础模型的兴趣日益增长。然而，现有的评估方法很少能反映对ECG基础模型的全面预期能力，以往研究往往使用狭隘的任务选择和一致性较差的数据集，阻碍了公平的比较。我们提出了BenchECG，这是首个用于严格评估ECG基础模型的标准化的开放基准，包含八个公开可用数据集（421,171名患者；1,674,704条记录）。BenchECG在不同信号、患者群体以及十个概念上互不相同的任务上评估模型性能，涵盖分类、检测、回归、生存分析和分割，并包含明确的分布外测试。通过测量模型表示在受控基准条件下跨任务的迁移能力，它能够实现系统性的比较。与BenchECG同时，我们提出了xECG，一种ECG基础模型，它结合了xLSTM循环架构的高效性（训练速度比Transformer基线快5倍）和SimDINOv2自监督学习。xECG取得了最高的BenchECG得分（0.838）和最佳平均排名（5个模型中排名第1.5位），优于当前公开可用的最先进方法，并为未来的ECG基础模型提供了强有力的基线。