近日，深圳北理莫斯科大學(xué)人工智能研究院2篇論文被國(guó)際人工智能領(lǐng)域頂級(jí)會(huì)議——第34屆國(guó)際人工智能聯(lián)合會(huì)議（International Joint Conference on Artificial Intelligence，簡(jiǎn)稱(chēng)IJCAI）錄用。本屆會(huì)議投稿競(jìng)爭(zhēng)激烈，錄用率為19.3%。在此背景下，深圳北理莫斯科大學(xué)在此次評(píng)選中脫穎而出，為兩篇論文的第一作者單位和第一通訊單位。兩項(xiàng)研究分別通過(guò)引入深度心電圖-報(bào)告交互（DERI）框架和語(yǔ)義標(biāo)記器（ECG2TOK），顯著提升了心電圖（ECG）自監(jiān)督學(xué)習(xí)的臨床語(yǔ)義表達(dá)能力，在多項(xiàng)ECG下游任務(wù)中均取得了優(yōu)異表現(xiàn)。

成果一：DERI: Cross-Modal ECG Representation Learning with Deep ECG-Report Interaction

論文第一作者為2022級(jí)碩士研究生陳健，通訊作者為人工智能研究院胡希平教授和王偉教授。該工作提出了一種融合心電圖（ECG）與臨床報(bào)告的跨模態(tài)自監(jiān)督學(xué)習(xí)框架 DERI。通過(guò)多重對(duì)齊與特征重建機(jī)制，使ECG表征融合了更多臨床語(yǔ)義信息。此外，還設(shè)計(jì)了基于掩碼建模的RME模塊，并拓展至報(bào)告生成任務(wù)，可有效評(píng)估表征質(zhì)量并展現(xiàn)一定臨床應(yīng)用潛力。

成果二：ECG2TOK: ECG Pre-Training with Self-Distillation Semantic Tokenizers

論文第一作者為2023級(jí)博士生研究生袁小艷，通訊作者為王偉教授。該工作提出了一個(gè)基于語(yǔ)義標(biāo)記器的ECG自監(jiān)督預(yù)訓(xùn)練框架 ECG2TOK，用于生成語(yǔ)義豐富的離散標(biāo)簽。該標(biāo)記器通過(guò)自蒸餾提取語(yǔ)義嵌入，并進(jìn)行在線聚類(lèi)生成訓(xùn)練目標(biāo)。結(jié)合掩碼策略和標(biāo)簽預(yù)測(cè)任務(wù)，ECG2TOK在六項(xiàng)下游任務(wù)中均展現(xiàn)出顯著性能提升，尤其在低資源場(chǎng)景中效果突出。

據(jù)悉，IJCAI（International Joint Conference on Artificial Intelligence，國(guó)際人工智能聯(lián)合會(huì)議）是人工智能領(lǐng)域歷史最悠久、影響力最廣泛的頂級(jí)學(xué)術(shù)會(huì)議之一，代表著全球AI研究的前沿成果。在中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）的國(guó)際學(xué)術(shù)會(huì)議排名中，IJCAI被列為A類(lèi)會(huì)議。

此次會(huì)議中，深北莫兩項(xiàng)研究成果同時(shí)被接收，標(biāo)志著學(xué)校人工智能研究院在智慧醫(yī)療領(lǐng)域的研究達(dá)到了國(guó)際領(lǐng)先水平。未來(lái)，人工智能研究院將繼續(xù)探索該領(lǐng)域的技術(shù)創(chuàng)新，推動(dòng)更多科研成果應(yīng)用落地。