六种模型在PTB-XL上比较ECG诊断分类性能

Bhatt 等作者团队在 medRxiv 发布预印本，在 PTB-XL 数据集（21,375 条 12 导联心电图记录）上以单一患者级划分比较六种模型的诊断超类分类性能。软投票集成取得最高 macro F1（0.665，95% CI 0.644–0.685），领先各单一深度模型 0.020–0.041（配对 CI 均不含零），领先 MiniRocket+LightGBM（0.645）0.021。 作者指出集成成员是在看到测试结果后选定的，因此该领先幅度偏乐观：改用验证集选出的成员或全部四个深度模型构建的集成，macro F1 为 0.656–0.657，约低 0.009（配对 CI 含零）。作者同时说明，研究仅用单一数据集和划分、无预训练和外部验证，结果不能证明任何模型已可临床使用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。