# 心电图

心电图深度学习模型多按具体诊断标签监督训练，换人群、换采集条件就容易失效。这套自监督预训练框架从918,915条无标签12导联心电记录中学习特征，一路显式刻画每条导联相对正常波形的偏离，另一路在偏离线索引导下重建跨导联关联。冻结特征提取器、不做下游微调时，它在四个公开数据集上相对此前方法AUROC最高提升6.5%、F1最高提升12.8%。

心电图深度学习模型多按具体诊断标签监督训练，换人群、换采集条件就容易失效。这套自监督预训练框架从918,915条无标签12导联心电记录中学习特征，一路显式刻画每条导联相对正常波形的偏离，另一路在偏离线索引导下重建跨导联关联。冻结特征提取器、不做下游微调时，它在四个公开数据集上相对此前方法AUROC最高提升6.5%、F1最高提升12.8%。

权重空间编程让语言模型直接读写神经网络权重，此前只在游戏网络和语言模型上演示过。这项研究把它用到脑电与心电模型上：Claude Opus 5.5 在没有任何梯度步骤、只给5名练习受试者的情况下，写出 TinyEEGNet 全部2730个权重，在65名未见受试者上取得0.834的平衡准确率，与同架构用30名受试者常规训练的0.806相当，高于用5名训练的0.704；但它无法从权重判断网络任务，也无法改进已训练良好的网络。

权重空间编程让语言模型直接读写神经网络权重，此前只在游戏网络和语言模型上演示过。这项研究把它用到脑电与心电模型上：Claude Opus 5.5 在没有任何梯度步骤、只给5名练习受试者的情况下，写出 TinyEEGNet 全部2730个权重，在65名未见受试者上取得0.834的平衡准确率，与同架构用30名受试者常规训练的0.806相当，高于用5名训练的0.704；但它无法从权重判断网络任务，也无法改进已训练良好的网络。