arXiv cs.AI· Cheol-Hui Lee, Wookyung Kim, Hyeonhoon Lee, Garam Lee, Da-in Eun, Hyung-Chul Lee·· 1 天前AI 评分38
CARMEN：基于十种心肺生理信号预训练的基础模型，用于围术期与重症监护
A Cardiorespiratory Foundation Model Pretrained on Ten Physiological Signals for Perioperative and Critical Care
AI 导读
CARMEN 是一个在十种心肺波形（2.27 百万模态小时）上无标签预训练的单编码器基础模型，可接受 10 秒至 5 分钟任意共录信号组合。其 LSCNorm 条件机制恢复了归一化去除的绝对信号水平，缺失该机制时术中低血压 AUROC 从 0.894 降至 0.780。
正文 · AI 翻译
摘要：动脉压、静脉压、肺动脉压和颅内压以及呼吸机波形指导着手术室和重症监护室的决策，然而生理波形的基础模型几乎完全建立在心电图和光电容积脉搏波之上。我们提出 CARMEN，这是一个在十种心肺波形（227 万模态小时）上无标签预训练的单编码器。CARMEN 可接受 10 秒至 5 分钟的任意共记录信号组合，其条件机制 LSCNorm 能恢复归一化所去除的绝对信号水平；若缺少该机制，术中低血压的 AUROC 从 0.894 降至 0.780。在来自韩国和美国队列的 19 项任务中，冻结编码器在 15 项中的 12 项上优于监督模型，在 19 项中的 14 至 17 项上优于三个基础模型（一个通用模型和两个生物信号模型），且没有任何任务上超过它。仅给定心电图或光电容积脉搏波时，它在大多数比较中达到或超过特定信号的基础模型，并且在通道缺失时仍保持其性能。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.15004 [cs.LG] |
| （或本版本的 arXiv:2611.15004v1 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2611.15004 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Cheol-Hui Lee [查看邮箱]
[v1]
2026年11月11日 星期三 04:02:50 UTC（10,396 KB）
来源：arXiv cs.AI · arxiv.org