arXiv cs.CL· Elif Dorukba\c{s}{\i}, \.Ilker T\"urker·· 23 小时前AI 评分31
面向大语言模型的紧凑可解码心电图文本编码
Compact and Decodable Electrocardiogram Text for Large Language Models
AI 导读
一种确定性编码将十二导联心电图中的八个独立导联写成振幅字母与精确时间间隔,其余四个肢体导联通过代数关系恢复,在 PTB-XL 数据库 21,388 条记录上全部压缩至 4,080 tokens 以内(平均 2,866 tokens,较逐样本转录减少 64.3%),且导联字符串可精确还原。
正文 · AI 翻译
摘要:当十二导联心电图被写成文本供大语言模型使用时,token 数量必须与压缩造成的信息损失相平衡。本文提出一种确定性编码,将八个独立导联写成振幅字母和精确时间间隔,并通过代数方法恢复其余四个肢体导联。关键点采用依赖心动周期的容差选取,振幅由从训练集学习得到的 26 字母对数码本参数化,10 步容差调度使所有记录保持在固定 token 预算内。该编码应用于公共 PTB-XL 数据库中的 21,388 条记录,并通过精确解码再编码往返、波形重建误差,以及用 5 个不同随机种子在原始数据库和解码数据库信号上训练的卷积分类器的配对比较进行评估。所有记录均包含在 4,080 个 token 内(平均:2,866 个 token,比逐样本转录少 64.3%),且所有存储的导联字符串均被精确复现。解码信号与参考信号之间的平均相关系数为 0.982。参考信号的宏平均受试者工作特征曲线下面积为 0.9167,解码信号为 0.9157(配对差值 -0.0010;95% 患者级 bootstrap 区间,-0.0028 至 0.0007),处于预先设定的 -0.010 非劣效性界值之内;这不是确证性结果,因为测试折在编码器开发期间已被使用。因此,紧凑文本的诊断内容可以得到保留,而语言模型读取该文本的能力则是另一回事。
| 评论: | 9 页,5 幅图,5 张表。投稿至《人工智能与数据科学的进展:方法、系统与应用》(卡拉比克大学出版社)的章节预印本。代码:此 https URL |
| 主题: | 计算与语言(cs.CL) |
| ACM 分类: | I.5.4;J.3 |
| 引用为: | arXiv:2611.22827 [cs.CL] |
| (或 arXiv:2611.22827v1 [cs.CL] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22827 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Elif Dorukbaşı [查看电子邮件]
[v1]
2026 年 11 月 17 日星期二 14:13:27 UTC(902 KB)
来源:arXiv cs.CL · arxiv.org