Holtercare-Bench：评估长期动态心电图分析的多模式基准

摘要

arXiv:2608.19297v1 Announce Type: new Abstract: While multimodal large language models (MLLMs) excel in medical applications, most of them favor static images or short-term signals. In the critical fi...

and models MLLMs multimodal Holtercare large medical term the dynamic

2026-08-21 1 阅读约1分钟阅读 Yihan Xie, Hanwen Cui, Runze Ye, Juekai Lin, Haoyang Wang, Jinhao Mao, Bo Zhang, Wenqiao Zhang, Xiaogang Guo, Jun Xiao, Lei Zhang

arXiv:2608.19297v1 公告类型：新摘要：虽然多模态大语言模型 (MLLM) 在医疗应用中表现出色，但大多数模型更倾向于静态图像或短期信号。在动态心电图 (ECG) 的关键领域，由于缺乏高质量的数据集和基准，模型难以进行复杂的时间推理和诊断报告生成。为了解决这个问题，我们引入了 (i) Holtercare-23K，这是一个大规模多模态动态心电图数据集，包含源自 788 个临床 Holter 记录的 22,980 个 QA 对，并具有新颖的信号-视频-文本三模态对齐功能。基于该数据集，我们提出了 (ii) Holtercare-Bench，这是一个多模态基准，用于评估时间定位、临床诊断和全局总结的模型。对领先 MLLM 的零样本评估揭示了在处理超长病理序列方面存在显着的性能差距。然而，微调代表性模型会带来实质性的改进。这项工作阐明了当前 MLLM 在电生理学方面的局限性，并为长期医学 MLLM 提供了基础基准。我们的项目可在 https://github.com/ZJU4HealthCare/Holtercare-Bench 获取。

订阅66必读