可见图神经网络实现可审计心电图分类

稀疏可见图让心电图分类结果可按波形区域与时序审计。

资讯摘要

论文提出 LYNX-ECG，将每个心跳表示为带时间戳转折点的稀疏可见图，用图神经网络做心电图分类。作者报告在 CODE-Test 上宏 F1 为 0.889，优于包括 ECGFounder 基础模型在内的五个基线，图存储约为逐样本建图的 14%。由于节点对应具体时间点，可删除临床波形区域或改变节拍时序来审计预测。

要点速读

1. 论文提出 LYNX-ECG，以稀疏可见图表示心跳转折点，节点对应具体心电图时间。
2. 作者报告 CODE-Test 宏 F1 0.889，超过五个基线（含 ECGFounder），图存储约为逐样本建图的 14%。
3. 审计显示：传导障碍正确预测中临床预期区域在逾 90% 情况下为最强证据；房颤判断在去除逐拍变异后消失。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。