ترجمه فارسی مقاله تولید گزارش الکتروکاردیوگرام و پاسخ به سوال از طریق مدل سازی خود نظارتی تقویت شده بازیابی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Electrocardiogram Report Generation and Question Answering via Retrieval-Augmented Self-Supervised Modeling
عنوان مقاله به فارسی تولید گزارش الکتروکاردیوگرام و پاسخ به سوال از طریق مدل سازی خود نظارتی تقویت شده بازیابی
نویسندگان Jialu Tang, Tong Xia, Yuan Lu, Cecilia Mascolo, Aaqib Saeed
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 13 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Interpreting electrocardiograms (ECGs) and generating comprehensive reports remain challenging tasks in cardiology, often requiring specialized expertise and significant time investment. To address these critical issues, we propose ECG-ReGen, a retrieval-based approach for ECG-to-text report generation and question answering. Our method leverages a self-supervised learning for the ECG encoder, enabling efficient similarity searches and report retrieval. By combining pre-training with dynamic retrieval and Large Language Model (LLM)-based refinement, ECG-ReGen effectively analyzes ECG data and answers related queries, with the potential of improving patient care. Experiments conducted on the PTB-XL and MIMIC-IV-ECG datasets demonstrate superior performance in both in-domain and cross-domain scenarios for report generation. Furthermore, our approach exhibits competitive performance on ECG-QA dataset compared to fully supervised methods when utilizing off-the-shelf LLMs for zero-shot question answering. This approach, effectively combining self-supervised encoder and LLMs, offers a scalable and efficient solution for accurate ECG interpretation, holding significant potential to enhance clinical decision-making.

چکیده به فارسی (ترجمه ماشینی)

تفسیر الکتروکاردیوگرام (ECG) و تولید گزارش های جامع همچنان وظایف چالش برانگیز در قلب و عروق است ، که اغلب به تخصص تخصصی و سرمایه گذاری در زمان قابل توجه نیاز دارند.برای پرداختن به این موضوعات مهم ، ما ECG-Regen را پیشنهاد می کنیم ، یک رویکرد مبتنی بر بازیابی برای تولید گزارش ECG به متن و پاسخ به سؤال.روش ما از یادگیری خود سنجی برای رمزگذار ECG استفاده می کند و باعث می شود جستجوهای شباهت کارآمد و بازیابی گزارش شود.ECG-Regen با ترکیب قبل از آموزش با بازیابی پویا و مدل زبان بزرگ (LLM) مبتنی بر پالایش ، به طور موثری داده های ECG را تجزیه و تحلیل می کند و به پرس و جوهای مرتبط با آن پاسخ می دهد ، با پتانسیل بهبود مراقبت از بیمار.آزمایشات انجام شده بر روی مجموعه داده های PTB-XL و MIMIC-IV-ECG عملکرد برتر را در هر دو سناریو درون دامنه و دامنه متقابل برای تولید گزارش نشان می دهد.علاوه بر این ، رویکرد ما عملکرد رقابتی را در مجموعه داده های ECG-QA در مقایسه با روشهای کاملاً نظارت شده هنگام استفاده از LLM های خارج از قفسه برای پاسخ به سؤال صفر نشان می دهد.این رویکرد ، به طور مؤثر ترکیب رمزگذار و LLMS خود تحت نظارت ، یک راه حل مقیاس پذیر و کارآمد برای تفسیر دقیق ECG ارائه می دهد ، و پتانسیل قابل توجهی برای تقویت تصمیم گیری بالینی دارد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.