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

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，开发了一个ECGAugment模块用于弱和强