Buchumschlag

HeartBERT: A Self-Supervised ECG Embedding Model for Efficient and Effective Medical Signal Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tahery, Saedeh, Akhlaghi, Fatemeh Hamid, Amirsoleimani, Termeh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Signal Processing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-Supervised Pre-Training with Joint-Embedding Predictive Architecture Boosts ECG Classification Performance
von: Weimann, Kuba, et al.
Veröffentlicht: (2024)

ECG Signal Denoising Using Multi-scale Patch Embedding and Transformers
von: Zhu, Ding, et al.
Veröffentlicht: (2024)

Machine Learning-Based Analysis of ECG and PCG Signals for Rheumatic Heart Disease Detection: A Scoping Review (2015-2025)
von: Olatunji, Damilare Emmanuel, et al.
Veröffentlicht: (2025)

Self-DANA: A Resource-Efficient Channel-Adaptive Self-Supervised Approach for ECG Foundation Models
von: Monachino, Giuliana, et al.
Veröffentlicht: (2025)

Modeling Day-Long ECG Signals to Predict Heart Failure Risk with Explainable AI
von: Zvuloni, Eran, et al.
Veröffentlicht: (2025)

SSSD-ECG-nle: New Label Embeddings with Structured State-Space Models for ECG generation
von: Skorik, Sergey, et al.
Veröffentlicht: (2024)

Self-Trained Model for ECG Complex Delineation
von: Avetisyan, Aram, et al.
Veröffentlicht: (2024)

NERULA: A Dual-Pathway Self-Supervised Learning Framework for Electrocardiogram Signal Analysis
von: Manimaran, Gouthamaan, et al.
Veröffentlicht: (2024)

Generating Realistic Multi-Beat ECG Signals
von: Pöhl, Paul, et al.
Veröffentlicht: (2025)

In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders
von: Occhipinti, Edoardo, et al.
Veröffentlicht: (2024)

An Empirical Investigation of Reconstruction-Based Models for Seizure Prediction from ECG Signals
von: Chopannavaz, Mohammad Reza, et al.
Veröffentlicht: (2025)

Estimating ECG Intervals from Lead-I Alone: External Validation of Supervised Models
von: Alam, Ridwan, et al.
Veröffentlicht: (2024)

Fusion of ECG Foundation Model Embeddings to Improve Early Detection of Acute Coronary Syndromes
von: Meng, Zeyuan, et al.
Veröffentlicht: (2025)

A CNN-based Local-Global Self-Attention via Averaged Window Embeddings for Hierarchical ECG Analysis
von: Buzelin, Arthur, et al.
Veröffentlicht: (2025)

EnhancePPG: Improving PPG-based Heart Rate Estimation with Self-Supervision and Augmentation
von: Benfenati, Luca, et al.
Veröffentlicht: (2024)

An Efficient Self-Supervised Framework for Long-Sequence EEG Modeling
von: Hong, Jiazhen, et al.
Veröffentlicht: (2025)

Enhancing Electrocardiogram Signal Analysis Using NLP-Inspired Techniques: A Novel Approach with Embedding and Self-Attention
von: Ganguly, Prapti, et al.
Veröffentlicht: (2024)

TransECG: Leveraging Transformers for Explainable ECG Re-identification Risk Analysis
von: Wang, Ziyu, et al.
Veröffentlicht: (2025)

ECG-Expert-QA: A Benchmark for Evaluating Medical Large Language Models in Heart Disease Diagnosis
von: Wang, Xu, et al.
Veröffentlicht: (2025)

Heart Rate Classification in ECG Signals Using Machine Learning and Deep Learning
von: Vo, Thien Nhan
Veröffentlicht: (2025)

ECG Unveiled: Analysis of Client Re-identification Risks in Real-World ECG Datasets
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

Self-Supervised and Topological Signal-Quality Assessment for Any PPG Device
von: Shao, Wei, et al.
Veröffentlicht: (2025)

Evaluation of Deep Learning Models for LBBB Classification in ECG Signals
von: Ordóñez, Beatriz Macas, et al.
Veröffentlicht: (2025)

Explainable Deep Neural Network for Multimodal ECG Signals: Intermediate vs Late Fusion
von: Oladunni, Timothy, et al.
Veröffentlicht: (2025)

CLEP-GAN: An Innovative Approach to Subject-Independent ECG Reconstruction from PPG Signals
von: Li, Xiaoyan, et al.
Veröffentlicht: (2025)

MEETI: A Multimodal ECG Dataset from MIMIC-IV-ECG with Signals, Images, Features and Interpretations
von: Zhang, Deyun, et al.
Veröffentlicht: (2025)

MSECG: Incorporating Mamba for Robust and Efficient ECG Super-Resolution
von: Lin, Jie, et al.
Veröffentlicht: (2024)

Personalized Heart Disease Detection via ECG Digital Twin Generation
von: Hu, Yaojun, et al.
Veröffentlicht: (2024)

Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses
von: Xu, He-Yang, et al.
Veröffentlicht: (2025)

A Novel Transformer-Based Self-Supervised Learning Method to Enhance Photoplethysmogram Signal Artifact Detection
von: Le, Thanh-Dung, et al.
Veröffentlicht: (2024)

Modally Reduced Representation Learning of Multi-Lead ECG Signals through Simultaneous Alignment and Reconstruction
von: Ibtehaz, Nabil, et al.
Veröffentlicht: (2024)

Evaluating the Efficacy of Vectocardiographic and ECG Parameters for Efficient Tertiary Cardiology Care Allocation Using Decision Tree Analysis
von: da Costa, Lucas José, et al.
Veröffentlicht: (2024)

Neuro-Informed Adaptive Learning (NIAL) Algorithm: A Hybrid Deep Learning Approach for ECG Signal Classification
von: Rahman, Sowad
Veröffentlicht: (2025)

Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population
von: Xavier, Anjo, et al.
Veröffentlicht: (2024)

Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR
von: Nemati, Nader
Veröffentlicht: (2025)

ECG-SleepNet: Deep Learning-Based Comprehensive Sleep Stage Classification Using ECG Signals
von: Aghaomidi, Poorya, et al.
Veröffentlicht: (2024)

ECG-EmotionNet: Nested Mixture of Expert (NMoE) Adaptation of ECG-Foundation Model for Driver Emotion Recognition
von: Mansourian, Nastaran, et al.
Veröffentlicht: (2025)

Deep learning model for ECG reconstruction reveals the information content of ECG leads
von: Gradowski, Tomasz, et al.
Veröffentlicht: (2025)

Explaining Deep Learning for ECG Analysis: Building Blocks for Auditing and Knowledge Discovery
von: Wagner, Patrick, et al.
Veröffentlicht: (2023)

Convolutional Fourier Analysis Network (CFAN): A Unified Time-Frequency Approach for ECG Classification
von: Jeong, Sam, et al.
Veröffentlicht: (2025)