مدل گرافی LYNX-ECG برای طبقه‌بندی نوار قلب، شواهد پیش‌بینی‌اش را قابل‌ردیابی می‌کند

پژوهشگران در پیش‌چاپی در arXiv مدل LYNX-ECG را معرفی کرده‌اند؛ یک شبکهٔ عصبی گرافی که هر ضربان قلب را به‌صورت گرافی تنک از نقاط تغییر مسیرِ ثبت‌شده در زمان نمایش می‌دهد. به‌گفتهٔ پژوهشگران، مدل در آزمون CODE-Test امتیاز macro F1 برابر با ۰٫۸۸۹ گرفت و از پنج روش پایه، از جمله مدل پایهٔ ECGFounder، عملکرد بهتری داشت.

هر گرهٔ گراف به زمان مشخصی در نوار قلب وصل است. این ویژگی به پژوهشگران اجازه می‌دهد بخش‌های تعریف‌شدهٔ بالینی از موج را حذف کنند یا زمان‌بندی ضربان را تغییر دهند تا بررسی کنند این دست‌کاری‌ها چه اثری بر پیش‌بینی مدل می‌گذارد. در اختلالات هدایت قلبی، ناحیه‌ای که از نظر بالینی انتظار می‌رفت، قوی‌ترین شاهد برای پیش‌بینی بود. گراف‌های LYNX-ECG نیز حدود ۱۴ درصدِ فضای ذخیره‌سازی گراف‌هایی را نیاز دارند که از همهٔ نمونه‌ها ساخته شده‌اند.