首个动态心电图多模态基准来了！2.3万问答对，微调后性能飙升
Holtercare-Bench: A Multimodal Benchmark for Evaluating Long-Term Dynamic ECG Analysis
👨💼 主理人解读 · 为什么值得关注
构建动态心电图多模态基准，评估长时程ECG推理与报告生成能力，填补数据空白。
📖 AI 总结
该研究针对多模态大语言模型在动态心电图分析中的不足，提出了Holtercare-Bench基准和Holtercare-23K数据集。Holtercare-23K包含788份临床Holter记录生成的22,980个问答对，采用信号-视频-文本三模态对齐方式。基准评估涵盖时间定位、临床诊断和全局总结三个任务。零样本测试显示主流多模态模型在处理超长病理序列时存在显著性能差距，而微调后模型表现大幅提升。该工作揭示了当前模型在电生理学领域的局限，为长期医疗多模态模型提供了基础性评估框架。
🔑 关键词速览
| Multimodal Large Language Models (MLLMs) | 多模态大语言模型，能够处理和理解多种类型数据（如文本、图像、信号）的AI模型。 |
| Dynamic ECG | 动态心电图，指长时间记录的心电信号，常用于监测心律失常等心脏问题。 |
| Holtercare-23K | 一个大规模多模态动态心电图数据集，包含22,980个问答对，用于训练和评估模型。 |
| Holtercare-Bench | 一个多模态基准测试，用于评估模型在动态心电图分析中的时间定位、诊断和总结能力。 |
| Tri-modal alignment | 三模态对齐，指将信号、视频和文本三种模态的数据进行对齐，以增强模型的理解能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅