One Dimensional CNN ECG Mamba for Multilabel Abnormality Classification in 12 Lead ECG

A continuación presento un resumen técnico detallado del artículo "One Dimensional CNN ECG Mamba for Multilabel Abnormality Classification in 12 Lead ECG" en español.

1. Problema y Contexto

La detección precisa de anomalías cardíacas a partir de registros de electrocardiograma (ECG) es fundamental para el diagnóstico clínico y la toma de decisiones. Aunque los modelos de aprendizaje profundo tradicionales, como las Redes Neuronales Convolucionales (CNN) y las arquitecturas Transformer, han tenido éxito en esta tarea, enfrentan limitaciones significativas al procesar señales secuenciales largas típicas de los ECG de 12 derivaciones. Los Transformers, en particular, sufren de una complejidad computacional cuadrática ($O(n^2)$) debido al mecanismo de atención, lo que dificulta su escalabilidad en señales de gran longitud.

El objetivo de este estudio es superar estas limitaciones mediante el desarrollo de un marco híbrido que combine la extracción de características locales con modelos de espacio de estado (SSM) eficientes para el modelado de secuencias.

2. Metodología: 1DCNN-ECG-Mamba

Los autores proponen 1DCNN-ECG-Mamba, un modelo híbrido diseñado específicamente para el análisis de ECG de 12 derivaciones. La arquitectura se basa en adaptar el modelo Vision Mamba (Vim), originalmente diseñado para datos visuales bidimensionales, al dominio de las señales cardíacas unidimensionales.

Componentes Clave de la Arquitectura:

• Preprocesamiento: Las señales se estandarizan a una tasa de muestreo de 500 Hz (mediante filtrado polifásico o transformada de Fourier rápida) y se ajustan a una longitud fija de 8192 muestras.
• Capa Convolucional 1D (1DCNN): Se introduce una capa convolucional inicial para extraer características de las señales multicanal (12 derivaciones) y transformarlas en un formato compatible con el codificador Vim.
  • Configuración: Entrada de 12 canales, salida de 384, tamaño de kernel 16, paso (stride) 8.
• Codificador Vision Mamba (Vim):
  • Las señales se dividen en parches (patches) de forma $(1023, 384)$, añadiendo un "token de clase" al final para la clasificación.
  • Se utiliza un mecanismo de espacio de estado selectivo bidireccional (Bidirectional SSM) que permite capturar dependencias temporales tanto hacia adelante como hacia atrás en la secuencia, mejorando la representación del contexto global.
  • Modificaciones específicas: A diferencia de la configuración original de Vim, el modelo deshabilita el dropout estocástico, preserva los valores tras las adiciones residuales (sin dividir por dos) y utiliza la formulación estándar de PyTorch para la adición residual y normalización (en lugar de kernels fusionados) para garantizar estabilidad y reproducibilidad en diferentes entornos de hardware.
• Entrenamiento: Se utiliza el optimizador Adam con un programa de tasa de aprendizaje de "cosine annealing" con fase de warm-up. El modelo se ajusta fino con 16 bloques de codificador Vim.

3. Contribuciones Clave

1. Nueva Arquitectura Híbrida: Presentación de 1DCNN-ECG-Mamba, una adaptación del modelo Mamba diseñada específicamente para señales de ECG de 12 derivaciones, estableciendo una nueva línea base para la detección de anomalías cardíacas.
2. Superioridad sobre el Estado del Arte: Demostración de que el modelo supera a los métodos ganadores de los desafíos PhysioNet/CinC 2020 y 2021, así como a variantes recientes como ECG-Mamba, 2D-CNN y Audio Mamba.
3. Optimización para ECG: Modificaciones específicas en la arquitectura Vim (como el uso de una sola capa 1D CNN y la gestión de la adición residual) que demuestran ser más efectivas para señales temporales que las configuraciones visuales originales.

4. Resultados Experimentales

Los experimentos se realizaron utilizando los conjuntos de datos públicos de los desafíos PhysioNet/CinC 2020 y 2021, que incluyen un total de 88,253 registros de ECG de diversas instituciones. Las métricas principales fueron el AUPRC (Área bajo la curva de Precisión-Recall macro) y el AUROC (Área bajo la curva ROC macro).

Rendimiento en PhysioNet/CinC 2021 (12 derivaciones):

• 1DCNN-ECG-Mamba: Logró un AUPRC de 0.6410 y un AUROC de 0.9695.
• Comparativa:
  • Superó al método ISIBrno (ganador 2021) en un 17.8% en AUPRC y un 3.7% en AUROC.
  • Superó al modelo 2D-CNN en un 17.8% en AUPRC y un 3.7% en AUROC.
  • Superó a ECG-Mamba (AUPRC 0.6100, AUROC 0.9643) y a Audio Mamba.
  • La arquitectura bidireccional demostró ser crucial, superando a las versiones unidireccionales.

Rendimiento en PhysioNet/CinC 2020:

• 1DCNN-ECG-Mamba: Logró un AUPRC de 0.5787 y un AUROC de 0.9571.
• Comparativa: Superó significativamente al método Prna (ganador 2020, basado en Transformer), que obtuvo 0.5115 en AUPRC y 0.9318 en AUROC.

5. Significado e Impacto

Este trabajo demuestra que las arquitecturas basadas en Modelos de Estado Espacial (SSM), específicamente Mamba, son superiores a los Transformers y CNNs tradicionales para la clasificación multietiqueta de ECG de larga duración.

• Eficiencia: La complejidad lineal $O(n)$ de Mamba permite procesar secuencias largas de manera eficiente, superando las limitaciones computacionales de los Transformers.
• Aplicación Clínica: El alto rendimiento en la detección de anomalías (especialmente en clases minoritarias gracias a la métrica AUPRC) sugiere un gran potencial para el diagnóstico temprano, la telemedicina y sistemas de salud con recursos limitados, donde la precisión y la velocidad son críticas.
• Accesibilidad: Al mejorar la detección automatizada, se reduce la carga de trabajo de los cardiólogos y se minimizan los errores de diagnóstico interobservador.

En conclusión, 1DCNN-ECG-Mamba representa un avance significativo en la inteligencia artificial aplicada a la cardiología, ofreciendo una herramienta robusta y precisa para el análisis de señales cardíacas complejas.