TPAMI 2024 | 半监督学习用于多标签心血管疾病预测：多数据集研究

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 题目：Semi-Supervised Learning for Multi-Label Cardiovascular Diseases Prediction: A Multi-Dataset Study 半监督学习用于多标签心血管疾病预测：多数据集研究 作者：Rushuang Zhou; Lei Lu; Zijun Liu; Ting Xiang; Zhen Liang; David A. Clifton; Yining Dong; Yuan-Ting Zhang 代码： https://github.com/KAZABANA/ECGMatch 摘要 心电图（ECG）是预测心血管疾病（CVDs）的非侵入性工具。由于深度学习技术的快速发展，目前基于ECG的诊断系统表现出令人鼓舞的性能。然而，标签稀缺问题、多种CVDs的共现以及在未见数据集上的表现不佳极大地阻碍了基于深度学习模型的广泛应用。在一个统一框架中解决这些问题仍然是一个重大挑战。为此，我们提出了一种多标签半监督模型（ECGMatch），以在有限监督下同时识别多种CVDs。在ECGMatch中， ………………………………