محققان در پژوهشی جدید، معماری پیشرفتهای به نام ER-JEPA را برای تحلیل دادههای پیچیده پزشکی، بهویژه نوار قلب (ECG)، توسعه دادهاند. این مدل که با الهام از روش تشخیصی متخصصان قلب طراحی شده، از یک ساختار سلسلهمراتبی هوشمند برای یادگیری بازنماییهای دقیقتر استفاده میکند.
این مدل با بهرهگیری از Vision Transformer (ViT) و پیشآموزش روی ۱۸۰ هزار رکورد، توانسته است به نتایج پیشرو (SOTA) در تحلیل سریهای زمانی پزشکی دست پیدا کند. این دستاورد گام مهمی در خودکارسازی و افزایش دقت تشخیص بیماریهای قلبی به کمک یادگیری خودنظارتی (SSL) است.
منبع: arXiv Machine Learning