Buchumschlag

Anomaly Detection in Electrocardiograms: Advancing Clinical Diagnosis Through Self-Supervised Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Aofan, Huang, Chaoqin, Cao, Qing, Xu, Yuchen, Zeng, Zi, Chen, Kang, Zhang, Ya, Wang, Yanfeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis
von: Huang, Chaoqin, et al.
Veröffentlicht: (2026)

Self-supervised Anomaly Detection Pretraining Enhances Long-tail ECG Diagnosis
von: Jiang, Aofan, et al.
Veröffentlicht: (2024)

Multi-Scale Memory Comparison for Zero-/Few-Shot Anomaly Detection
von: Huang, Chaoqin, et al.
Veröffentlicht: (2023)

Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images
von: Huang, Chaoqin, et al.
Veröffentlicht: (2024)

Few-Shot Anomaly Detection via Category-Agnostic Registration Learning
von: Huang, Chaoqin, et al.
Veröffentlicht: (2024)

Hyperspectral Anomaly Detection with Self-Supervised Anomaly Prior
von: Liu, Yidan, et al.
Veröffentlicht: (2024)

Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies
von: Zou, Mian, et al.
Veröffentlicht: (2025)

Learning Multi-view Multi-class Anomaly Detection
von: Yu, Qianzi, et al.
Veröffentlicht: (2025)

Self-Tuning Self-Supervised Image Anomaly Detection
von: Yoo, Jaemin, et al.
Veröffentlicht: (2023)

HomographyAD: Deep Anomaly Detection Using Self Homography Learning
von: Seok, Jongyub, et al.
Veröffentlicht: (2025)

Cross-Domain Learning for Video Anomaly Detection with Limited Supervision
von: Jain, Yashika, et al.
Veröffentlicht: (2024)

Overcoming the Identity Mapping Problem in Self-Supervised Hyperspectral Anomaly Detection
von: Cui, Yongchuan, et al.
Veröffentlicht: (2025)

Anomaly Heterogeneity Learning for Open-set Supervised Anomaly Detection
von: Zhu, Jiawen, et al.
Veröffentlicht: (2023)

Self-Supervised Training with Autoencoders for Visual Anomaly Detection
von: Bauer, Alexander, et al.
Veröffentlicht: (2022)

TinyGLASS: Real-Time Self-Supervised In-Sensor Anomaly Detection
von: Bonazzi, Pietro, et al.
Veröffentlicht: (2026)

Distribution Prototype Diffusion Learning for Open-set Supervised Anomaly Detection
von: Wang, Fuyun, et al.
Veröffentlicht: (2025)

Interleaving One-Class and Weakly-Supervised Models with Adaptive Thresholding for Unsupervised Video Anomaly Detection
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

Advancing Video Self-Supervised Learning via Image Foundation Models
von: Wu, Jingwei, et al.
Veröffentlicht: (2025)

Learning Event Completeness for Weakly Supervised Video Anomaly Detection
von: Wang, Yu, et al.
Veröffentlicht: (2025)

MAPL: Memory Augmentation and Pseudo-Labeling for Semi-Supervised Anomaly Detection
von: Chen, Junzhuo, et al.
Veröffentlicht: (2024)

Distilling Aggregated Knowledge for Weakly-Supervised Video Anomaly Detection
von: Dalvi, Jash, et al.
Veröffentlicht: (2024)

Prototypical Learning Guided Context-Aware Segmentation Network for Few-Shot Anomaly Detection
von: Jiang, Yuxin, et al.
Veröffentlicht: (2025)

Self-Supervised Iterative Refinement for Anomaly Detection in Industrial Quality Control
von: Aqeel, Muhammad, et al.
Veröffentlicht: (2024)

Follow the Rules: Reasoning for Video Anomaly Detection with Large Language Models
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

Decoupled Sensitivity-Consistency Learning for Weakly Supervised Video Anomaly Detection
von: Zheng, Hantao, et al.
Veröffentlicht: (2026)

GlanceVAD: Exploring Glance Supervision for Label-efficient Video Anomaly Detection
von: Zhang, Huaxin, et al.
Veröffentlicht: (2024)

UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision
von: Han, Ruiyan, et al.
Veröffentlicht: (2026)

Advancing Melanoma Diagnosis with Self-Supervised Neural Networks: Evaluating the Effectiveness of Different Techniques
von: Vusirikala, Srivishnu, et al.
Veröffentlicht: (2024)

INP-Former++: Advancing Universal Anomaly Detection via Intrinsic Normal Prototypes and Residual Learning
von: Luo, Wei, et al.
Veröffentlicht: (2025)

Adversarially Robust Industrial Anomaly Detection Through Diffusion Model
von: Cao, Yuanpu, et al.
Veröffentlicht: (2024)

Self-Supervised Masked Mesh Learning for Unsupervised Anomaly Detection on 3D Cortical Surfaces
von: Yang, Hao-Chun, et al.
Veröffentlicht: (2024)

Towards Open-World Object-based Anomaly Detection via Self-Supervised Outlier Synthesis
von: Isaac-Medina, Brian K. S., et al.
Veröffentlicht: (2024)

Self-Supervised Cross-Encoder for Neurodegenerative Disease Diagnosis
von: Cheng, Fangqi, et al.
Veröffentlicht: (2025)

Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection
von: Pu, Yujiang, et al.
Veröffentlicht: (2023)

Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
von: Wang, Yu, et al.
Veröffentlicht: (2026)

Mixture Prototype Flow Matching for Open-Set Supervised Anomaly Detection
von: Wang, Fuyun, et al.
Veröffentlicht: (2026)

Weakly-Supervised Spatiotemporal Anomaly Detection
von: Gianchandani, Urvi, et al.
Veröffentlicht: (2026)

Leveraging Learning Bias for Noisy Anomaly Detection
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

Self-Supervised Anomaly Detection in the Wild: Favor Joint Embeddings Methods
von: Otero, Daniel, et al.
Veröffentlicht: (2024)

A Prototype-Based Neural Network for Image Anomaly Detection and Localization
von: Huang, Chao, et al.
Veröffentlicht: (2023)