AF-Mamba: Эффективное долгосрочное моделирование сигналов для раннего прогнозирования предварительного фибрилляции Onset
arXiv: 2609.06984v1 Annualce Type: New Humbertary: Aprise Fibrillation (AF) — наиболее часто встречающаяся аритмия сердца, связанная с повышенным риском инсульта и сердечной недостаточности. Растущая доступность изношенного и переносного мониторинга ЭКГ позволяет проводить постоянную оценку сердечного ритма вне клинических настроек. Предсказуемые АФ до ее начала могут предоставить дополнительное время для своевременной клинической оценки и потенциально улучшить лечение пациентов, подверженных риску осложнений, связанных с АФ. Основное внимание в этом исследовании уделяется прогнозированию АФРО на один час вперед с использованием долгосрочных интервалов ИР (ИРЦ). Для решения этой задачи мы предлагаем архитектуру глубокого обучения, интегрирующую временные сворачивающие сети (ТХН) для местных особенностей кодировки с Мамбой - селективной моделью состояния и пространства, способной моделировать последовательность на большие расстояния. Эта гибридная конструкция TCN-Mamba позволяет эффективно обучать и делать выводы на одночасовых входных окнах, преодолевая ограничения квадратического масштаба трансформеров и рекурсивно