HuBERT-ECG

用无标注心电数据预训练，打造能适应多种心脏任务的通用AI模型。

HuBERT-ECG 是一个基于自监督学习的心电信号（ECG）基础模型，旨在为广泛且可扩展的心脏应用提供通用表征。它借鉴了语音处理中的 HuBERT 方法，通过掩码预测任务从未标注的心电数据中学习鲁棒的表示，从而解决传统监督学习依赖大量人工标注、泛化性差的问题。该模型能够捕捉心电信号中的形态和时序特征，适用于心律失常分类、心搏异常检测、信号压缩与重建等多种下游任务。项目提供预训练权重和微调接口，支持用户针对特定临床场景进行适配，降低心电AI应用的开发门槛。其核心能力在于利用大规模无标注数据预训练，提升小样本场景下的性能，并促进跨设备、跨采集条件的迁移能力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 82
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队Edoar-do
所属国家
官网地址
GitHubhttps://github.com/Edoar-do/HuBERT-ECG
定价模式free
价格说明开源模型，无官网，需自行部署，完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Shell
技术栈/模型artificial-inte,deep-learning,ecg,fine-tuning,foundation-models,self-supervised-learning
GitHub 星标★ 82
30天Star增速
HF 下载量
上线时间2023-06-08 00:00:00
最近更新2026-09-12 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7

使用教程

核心亮点

  • 采用自监督预训练，无需大量人工标注，降低数据成本
  • 基于HuBERT架构，擅长捕捉心电信号的时序与形态特征
  • 提供预训练模型和微调接口，便于适配心律失常等下游任务

不足之处

  • 项目处于早期，星标数少，社区生态和文档尚不完善
  • 未提供明确的模型性能基准对比，实际效果待验证

适用场景

  • 心律失常自动分类与筛查
  • 心电信号质量增强与去噪
  • 小样本场景下的心脏疾病辅助诊断

替代项目

HeartBEiT、ECG-GPT、ST-MEM

项目介绍

HuBERT-ECG 是开源模型领域的开源项目，由 Edoar-do 开发，2023 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 82。

项目仍在小幅维护中，最近一次代码更新于 2026-09-12。无官网，需自行部署，完全免费。

它主要面向的使用场景是：心律失常自动分类与筛查。同类可对比的替代方案包括 HeartBEiT、ECG-GPT、ST-MEM。

上一篇：TabSTAR

下一篇：GraphCLIP

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10