Статья рассматривает проблему контрастного обучения представлений на физиологических сигналах, где индивидуальные базовые уровни субъектов мешают целям на уровне классов, что приводит к потере моделями индивидуальных вариаций, необходимых для обобщения. Авторы предлагают контрастную функцию потерь с учётом пациента для обнаружения пароксизмальной фибрилляции предсердий, которая формирует положительные пары только из сегментов одного и того же пациента, чтобы сохранить базовые уровни синусового ритма при одновременном разделении классов.

  • Предложенный метод обеспечивает наиболее последовательную внутрипациентскую структуру синусового ритма с показателем связности 0.850 по сравнению с 0.800 для контролируемого контрастного обучения и 0.772 для бинарной перекрёстной энтропии.
  • Бинарная перекрёстная энтропия обеспечивает наиболее чёткое глобальное разделение классов, но приводит к наибольшему беспорядку внутрипациентской структуры, из-за чего линейные зонды не работают на новых пациентах.
  • На наборе данных IRIDIA-AF представление достигает пациент-независимого AUROC 0.989 ± 0.003 при дисперсии семени в 2.6 раза меньшей, чем у базовых методов контролируемого контрастного обучения.

Результаты показывают, что поддержание геометрической согласованности на уровне каждого субъекта более важно для надёжного кросс-пациентского обобщения, чем достижение глобальной разделимости классов.