Hubert Ecg Large

🚀 HuBERT-ECG: 広範かつ拡張可能な心臓アプリケーション向けの自己教師付き基礎モデル

HuBERT-ECGは、大規模で多様な心電図（ECG）データセットを用いて自己教師付き学習で事前学習されたモデルです。出力層を追加するだけで、様々な下流タスクに微調整でき、心臓病の診断や将来の心血管イベントの予測などに活用できます。

🚀 クイックスタート

元のコードはこちらにあります。 ライセンス: CC BY-NC 4.0

✨ 主な機能

• 910万件の12誘導ECGデータセットを用いて自己教師付き学習で事前学習されたモデル。
• 出力層を追加するだけで、様々な下流タスクに微調整可能。
• 様々な現実世界のシナリオで高いAUROCを達成。

📦 インストール

本READMEには具体的なインストール手順が記載されていないため、このセクションをスキップします。

💻 使用例

基本的な使用法

from transformers import AutoModel
size = 'small' # any size from small, base, large
hubert_ecg = AutoModel.from_pretrained(f"Edoardo-BS/hubert-ecg-{size}", trust_remote_code=True)

📚 ドキュメント

概要

深層学習モデルは心電図（ECG）解析において卓越した性能を示していますが、ECGデータセットの可用性とサイズの制限により、その成功は制約されています。その結果、システムは汎用的なモデルではなく、特定のタスクに特化したものになっています。この研究では、910万件の12誘導ECGデータセット（164の心血管疾患を含む）を用いて自己教師付き学習で事前学習された基礎ECGモデルであるHuBERT-ECGを紹介します。出力層を追加するだけで、HuBERT-ECGは疾患の診断から将来の心血管イベントの予測まで、幅広い下流タスクに微調整できます。様々な現実世界のシナリオで、HuBERT-ECGは低データ設定で84.3%から大規模設定で99%のAUROCを達成します。164の重複する疾患を同時に検出するように学習させた場合、モデルはそれぞれ140と94の疾患に対して90%と95%以上のAUROCを達成します。HuBERT-ECGはまた、2年間のフォローアップでの死亡イベントを93.4%のAUROCで予測します。モデルとコードを公開しています。

モデル

このリポジトリには、自己教師付き学習で事前学習されたhubert-ecg-largeが含まれています。

🔧 技術詳細

本READMEには具体的な技術詳細が十分に記載されていないため、このセクションをスキップします。

📄 ライセンス

CC BY-NC 4.0

💡 使用例

データを事前処理することを忘れないでください！詳細については論文を読んでください。

📚 引用

もし当社のモデルを使用するか、当社の研究が役立つと思われる場合は、以下の文献を引用してください。

doi: https://doi.org/10.1101/2024.11.14.24317328