論文の概要: EVL-ECG: Efficient ECG Interpretation With Multi-Aspect Heterogeneous Knowledge Distillation
- arxiv url: http://arxiv.org/abs/2605.29977v2
- Date: Sun, 31 May 2026 09:13:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 18:24:16.819594
- Title: EVL-ECG: Efficient ECG Interpretation With Multi-Aspect Heterogeneous Knowledge Distillation
- Title（参考訳）: EVL-ECG:多視点不均一知識蒸留による効率的なECG解釈
- Authors: Dang Nguyen Hong, Nhi Ngoc-Yen Nguyen, Huy-Hieu Pham,
- Abstract要約: 本稿では,心診断ロジックのクロスアーキテクチャ蒸留に特化して設計されたEV-ECGを提案する。
EV-ECGは,(1)細かな特徴を維持するためにアーキテクチャ上の不一致を調和させるマルチヘッド・クロス・アテンション,(2)ミスマッチしたトークン表現にもかかわらず,ECG間のグローバルな構造的関係を維持するための最適なトランスポートを利用する最適トランスポートを利用した視覚特徴マッチング,(3)教師モデルの潜在診断推論を蒸留するアーキテクチャ内関係マッチング,という3つのECG対応のイノベーションを導入している。
- 参考スコア（独自算出の注目度）: 0.7136933021609076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-fidelity ECG interpretation is increasingly reliant on massive foundation models, yet their deployment in clinical edge-care remains hindered by extreme computational demands. While knowledge distillation (KD) is a promising solution, traditional methods fail to capture the complex spatio-temporal dependencies of ECG signals when transferring knowledge across heterogeneous architectures. In this paper, we propose EVL-ECG, a framework specifically designed for cross-architecture distillation of cardiac diagnostic logic. EVL-ECG introduces three ECG-aware innovations: (1) Multi-Head Cross-Attention Alignment, which harmonizes architectural discrepancies to preserve fine-grained morphological features; (2) Optimal Transport-based Visual Feature Matching, utilizing optimal transport to maintain global structural relationships across ECG leads despite mismatched token representations; and (3) Geometric Intra-Architecture Relation Matching, which distills the latent diagnostic reasoning of the teacher model. Evaluations across ECG benchmarks demonstrate that EVL-ECG yields improvements of up to 2.4% AUC and 1.1% clinical accuracy over existing baselines. Notably, EVL-ECG establishes an efficient 2B-parameter ECG foundation model, suitable for resource-constrained clinical environments.
- Abstract（参考訳）: 高忠実度心電図の解釈は、ますます膨大な基礎モデルに依存しているが、臨床エッジケアへの展開は、極端な計算要求によって妨げられている。
知識蒸留(KD)は有望な解であるが、異種アーキテクチャ間で知識を伝達する際には、従来の手法はECG信号の複雑な時空間的依存関係を捉えることができない。
本稿では,心診断ロジックのクロスアーキテクチャ蒸留に特化して設計されたEVL-ECGを提案する。
EVL-ECGは,(1)細かな形態的特徴を維持するためにアーキテクチャ上の相違を調和させる多面的横断的アライメント,(2)ミスマッチしたトークン表現にもかかわらず,ECGリード間のグローバルな構造的関係を維持するための最適な輸送を利用する最適輸送に基づく視覚的特徴マッチング,(3)教師モデルの潜在診断推論を蒸留する幾何学的内関係マッチング,の3つのECG対応イノベーションを導入している。
ECGベンチマークによる評価では、EVL-ECGは既存のベースラインよりも最大2.4%のAUCと1.1%の精度で改善されている。
特に、EVL-ECGは、リソース制約された臨床環境に適した、効率的な2BパラメータECG基盤モデルを確立する。
関連論文リスト
- Information-theoretic Multimodal Representation Learning for Electrocardiogram Signals [34.28801923123035]
心電図(ECG)は、心臓活動の非侵襲的測定として広く用いられ、臨床診断において中心的な役割を果たす。
近年,心電図の信号と診断的意味論を取り入れた臨床報告とが一致しているが,臨床報告は心電図波形の豊富な生理的構造を保たないことが多い。
我々は、情報理論の観点からECG表現学習を定式化し、信号構造を共同で保存し、臨床的意味論を統合する、抽出可能な目的を導出する。
論文 参考訳（メタデータ） (2026-05-26T18:52:57Z) - Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。
本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。
臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
論文 参考訳（メタデータ） (2026-03-09T15:39:57Z) - EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model [46.84040404474695]
EnECGは、複数の特別な基礎モデルを統合するアンサンブルベースのフレームワークであり、それぞれECG解釈の異なる側面で優れている。
本稿では,基礎モデルの強力な表現力を維持しつつ,計算・メモリコストの削減に寄与することを示す。
このフレームワークは特徴抽出と予測性能を向上するだけでなく、実際の臨床応用に実用的な効率性も確保する。
論文 参考訳（メタデータ） (2025-11-28T07:22:33Z) - Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。
SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。
実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
論文 参考訳（メタデータ） (2025-11-13T02:57:10Z) - Domain Knowledge is Power: Leveraging Physiological Priors for Self Supervised Representation Learning in Electrocardiography [3.1670118965354934]
本稿では,生理学を意識したコントラスト学習フレームワークであるPhysiology-aware Contrastive Learning Representation for ECGを紹介する。
プレトレーニング中、PhyloCLRは、同様の臨床的に関係のある特徴を共有するサンプルの埋め込みをまとめることを学ぶ。
マルチラベルECG診断のための2つのパブリックECGデータセットであるChapmanとGeorgian上でPhyloCLRを評価した。
論文 参考訳（メタデータ） (2025-09-09T19:44:50Z) - EEG-MedRAG: Enhancing EEG-based Clinical Decision-Making via Hierarchical Hypergraph Retrieval-Augmented Generation [45.031633614714]
EEG-MedRAGは3層ハイパーグラフに基づく検索拡張生成フレームワークである。
EEGドメイン知識、個々の患者ケース、大規模リポジトリをトラバース可能なn-aryリレーショナルハイパーグラフに統合する。
第1回クロスリリース・クロスロールEEG臨床QAベンチマークを,7つの障害と5つの臨床的観点から紹介した。
論文 参考訳（メタデータ） (2025-08-19T11:12:58Z) - Heartcare Suite: Multi-dimensional Understanding of ECG with Raw Multi-lead Signal Modeling [50.58126509704037]
医療スイート(Heartcare Suite)は、微細心電図(ECG)の理解のためのフレームワークである。
Heartcare-220Kは高品質で構造化され、包括的なマルチモーダルECGデータセットである。
Heartcare-Benchは、ECGシナリオにおける医療マルチモーダル大言語モデル(Med-MLLM)の最適化を導くためのベンチマークである。
論文 参考訳（メタデータ） (2025-06-06T07:56:41Z) - NERULA: A Dual-Pathway Self-Supervised Learning Framework for Electrocardiogram Signal Analysis [5.8961928852930034]
本稿では,シングルリードECG信号を対象とした自己教師型フレームワークNERULAを提案する。
NERULAのデュアルパスウェイアーキテクチャは、心電図再構成と非コントラスト学習を組み合わせて、詳細な心臓の特徴を抽出する。
学習スペクトルに生成経路と識別経路を組み合わせることで、様々なタスクにおいて最先端の自己教師付き学習ベンチマークより優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2024-05-21T14:01:57Z) - ETP: Learning Transferable ECG Representations via ECG-Text Pre-training [10.856365645831728]
ECG-Text Pre-training (ETP)は、ECG信号とテキストレポートをリンクするクロスモーダル表現を学習するために設計された革新的なフレームワークである。
ETPはECGエンコーダと事前訓練された言語モデルを使用して、ECG信号を対応するテキストレポートと整合させる。
論文 参考訳（メタデータ） (2023-09-06T19:19:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。