اکسپرس 24
ترجمه فارسی مقاله ECG-FM: یک مدل پایه الکتروکاردیوگرام باز

ترجمه فارسی مقاله ECG-FM: یک مدل پایه الکتروکاردیوگرام باز

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی ECG-FM: An Open Electrocardiogram Foundation Model
عنوان مقاله به فارسی ECG-FM: یک مدل پایه الکتروکاردیوگرام باز
نویسندگان Kaden McKeen, Laura Oliva, Sameer Masood, Augustin Toma, Barry Rubin, Bo Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: 22 pages, 7 figures, 10 tables , MSC Class: 68T01 ACM Class: I.2.0
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 22 صفحه ، 7 شکل ، 10 جدول ، کلاس MSC: 68T01 کلاس ACM: I.2.0

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 880,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

The electrocardiogram (ECG) is a ubiquitous diagnostic test. Conventional task-specific ECG analysis models require large numbers of expensive ECG annotations or associated labels to train. Transfer learning techniques have been shown to improve generalization and reduce reliance on labeled data. We present ECG-FM, an open foundation model for ECG analysis, and conduct a comprehensive study performed on a dataset of 1.66 million ECGs sourced from both publicly available and private institutional sources. ECG-FM adopts a transformer-based architecture and is pretrained on 2.5 million samples using ECG-specific augmentations and contrastive learning, as well as a continuous signal masking objective. Our transparent evaluation includes a diverse range of downstream tasks, where we predict ECG interpretation labels, reduced left ventricular ejection fraction, and abnormal cardiac troponin. Affirming ECG-FM's effectiveness as a foundation model, we demonstrate how its command of contextual information results in strong performance, rich pretrained embeddings, and reliable interpretability. Due to a lack of open-weight practices, we highlight how ECG analysis is lagging behind other medical machine learning subfields in terms of foundation model adoption. Our code is available at https://github.com/bowang-lab/ECG-FM/.

چکیده به فارسی (ترجمه ماشینی)

الکتروکاردیوگرام (ECG) یک آزمایش تشخیصی همه جا است.مدل های تجزیه و تحلیل ECG خاص وظیفه معمولی به تعداد زیادی از حاشیه نویسی های گران قیمت ECG یا برچسب های مرتبط برای آموزش نیاز دارند.تکنیک های یادگیری انتقال برای بهبود تعمیم و کاهش اعتماد به داده های دارای برچسب نشان داده شده است.ما ECG-FM ، یک مدل بنیاد باز برای تجزیه و تحلیل ECG را ارائه می دهیم ، و یک مطالعه جامع انجام شده بر روی مجموعه داده های 1.66 میلیون ECG که از منابع نهادی در دسترس عمومی و خصوصی تهیه شده است ، انجام می شود.ECG-FM یک معماری مبتنی بر ترانسفورماتور را اتخاذ می کند و در 2.5 میلیون نمونه با استفاده از تقویت های خاص ECG و یادگیری متضاد ، و همچنین یک هدف ماسک زدن به سیگنال مداوم پیش بینی می شود.ارزیابی شفاف ما شامل طیف متنوعی از کارهای پایین دست است ، جایی که ما برچسب های تفسیر ECG ، کاهش کسر تخلیه بطن چپ و تروپونین قلبی غیر طبیعی را پیش بینی می کنیم.با تأیید اثربخشی ECG-FM به عنوان یک مدل پایه ، ما نشان می دهیم که چگونه فرمان آن از اطلاعات متنی منجر به عملکرد قوی ، تعبیه های غنی و تفسیر قابل اعتماد می شود.به دلیل عدم وجود شیوه های با وزن آزاد ، ما برجسته می کنیم که چگونه تجزیه و تحلیل ECG از نظر اتخاذ مدل پایه ، از سایر زیرمجموعه های یادگیری ماشین پزشکی عقب مانده است.کد ما در https://github.com/bowang-lab/ecg-fm/ در دسترس است.

📚 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.