🤖 machine learning

MedMamba: Multi-View State Space Models with Adaptive Graph Learning for Medical Time Series Classification

MedMamba est une architecture de bout en bout qui intègre des embeddings convolutifs multi-échelles, un encodeur d'espace d'états différentiel à trois branches pour gérer la non-stationnarité, et un module Mamba de graphe spatial apprenable afin d'atteindre des performances de pointe dans la classification de séries temporelles médicales avec une complexité computationnelle linéaire.

Auteurs originaux : Da Zhang, Bingyu Li, Zhiyuan Zhao, Hongyuan Zhang, Junyu Gao, Xuelong Li

Publié 2026-05-26

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Da Zhang, Bingyu Li, Zhiyuan Zhao, Hongyuan Zhang, Junyu Gao, Xuelong Li

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Qu'est-ce que MedMamba ?

Imaginez que vous essayez d'écouter une conversation dans une pièce très bruyante. La personne qui parle (le corps du patient) vous donne des indices importants sur sa santé à travers sa voix (des données de séries temporelles médicales comme les battements de cœur ou les ondes cérébrales).

Cependant, il y a trois gros problèmes à écouter cette « voix » :

La voix change de vitesse : Parfois, la personne parle par courtes et vives impulsions ; d'autres fois, elle parle par de longs rythmes lents.
La pièce bouge : Le bruit de fond n'est pas statique ; le sol penche et le volume monte ou descend lentement (ceci est appelé « dérive de la ligne de base »).
Les interlocuteurs sont connectés : Si une personne du groupe commence à tousser, les autres peuvent réagir. Vous devez comprendre comment ils s'influencent mutuellement, mais vous n'avez pas de carte indiquant qui est connecté à qui.

MedMamba est un nouveau programme informatique conçu pour écouter ces signaux médicaux et déterminer ce qui ne va pas, même lorsque le signal est désordonné, changeant ou complexe. Il y parvient en combinant trois astuces intelligentes.

Les trois astuces intelligentes (L'architecture)

1. La « lentille multi-échelle » (Morphologie locale)

Le problème : Un appareil photo standard ne voit peut-être que la vue d'ensemble ou seulement les détails minuscules. Mais un médecin doit voir à la fois la forme globale d'un battement de cœur et la toute petite pointe qui indique un problème.
La solution MedMamba : Imaginez regarder un paysage à travers une série de différentes lentilles de zoom en même temps. MedMamba utilise des Encodages Convolutifs Multi-Échelles. Il observe le signal à travers des « lentilles » de différentes tailles (petite, moyenne et grande).

Petite lentille : Attrape les pointes rapides et vives (comme un flutter cardiaque soudain).
Grande lentille : Attrape les vagues lentes et ondulantes (comme un rythme respiratoire régulier).
Il combine toutes ces vues afin de ne rien manquer, que l'indice soit minuscule ou énorme.

2. Le « détective à trois vues » (Gestion de la dérive)

Le problème : Les signaux médicaux souffrent souvent de « dérive de la ligne de base ». Imaginez un thermomètre qui devient lentement plus chaud au cours d'une heure, même si la température du patient n'a pas changé. Cette « dérive » cache les vrais symptômes.
La solution MedMamba : Au lieu d'écouter simplement le son brut, MedMamba crée trois versions différentes du signal pour résoudre l'énigme :

Vue A (Brute) : Écoute le son original.
Vue B (Différence) : C'est comme un détective qui ne se soucie que des changements. Si la température monte lentement de 98 à 99, cette vue ignore le 98 et le 99 et se concentre uniquement sur le pas vers le haut. Cela annule la dérive lente.
Vue C (Fréquence) : Cette vue écoute la « hauteur » du son. Elle ignore le volume et se concentre sur le rythme (comme séparer un battement de tambour de la mélodie).
MedMamba utilise ensuite un intelligent « gardien » pour décider quelle vue est la plus utile à un moment donné. Si le signal dérive, il fait davantage confiance à la vue « Différence ». Si le signal est stable, il fait confiance à la vue « Brute ».

3. Le « créateur de cartes dynamiques » (Interactions entre canaux)

Le problème : Les appareils médicaux ont de nombreux capteurs (canaux). Dans un EEG (scanner cérébral), le capteur A peut parler au capteur B, mais seulement parfois. Les méthodes traditionnelles utilisent une carte fixe (un diagramme pré-dessiné) de la façon dont les capteurs sont connectés. Mais en réalité, les connexions du cerveau changent selon le moment précis et le patient spécifique.
La solution MedMamba : MedMamba n'utilise pas une carte pré-dessinée. Au lieu de cela, il agit comme un créateur de cartes dynamique.

Pour chaque enregistrement de patient, il dessine une nouvelle carte de la façon dont les capteurs parlent entre eux.
Il apprend cette carte en temps réel.
Les règles : Pour éviter que la carte ne devienne désordonnée (trop de lignes partout), il force la carte à être sparse (ne dessinant que les lignes importantes) et acyclique (sans boucles). Pensez-y comme un système de rues à sens unique : l'information circule de A vers B, mais pas en cercle vers A, ce qui maintient la logique propre et stable.

Comment cela fonctionne ensemble

Imaginez MedMamba comme une équipe de détectives ultra-efficace :

L'équipe des lentilles zoome dedans et dehors pour trouver des indices de toutes tailles.
L'équipe des détectives examine les indices sous trois angles (original, changement uniquement, et rythme uniquement) pour ignorer le bruit de fond et les sols qui bougent.
L'équipe des cartes dessine une carte fraîche et simplifiée de qui parle à qui pour chaque cas individuel, garantissant que personne ne parle en cercles.

Enfin, ils combinent tous leurs notes pour établir un diagnostic.

Pourquoi est-ce mieux que les anciennes méthodes ?

Anciennes méthodes (Transformers) : Comme essayer de lire toute une bibliothèque de livres pour trouver une seule phrase. C'est puissant mais très lent et coûteux (complexité quadratique).
Anciennes méthodes (Graphes standards) : Comme utiliser une carte imprimée statique d'une ville qui ne change jamais. Elle échoue lorsque les schémas de circulation (connexions de signal) changent.
MedMamba : Il lit la bibliothèque rapidement (vitesse linéaire) et dessine une carte fraîche pour chaque nouvel agencement de rues.

Les résultats (Ce que le papier affirme)

Les auteurs ont testé ce système sur cinq ensembles de données médicales réels (incluant des ondes cérébrales pour la maladie d'Alzheimer et des rythmes cardiaques pour les crises cardiaques).

Performance : Il a battu toutes les autres méthodes de pointe (State-of-the-Art) en termes de précision.
Robustesse : Lorsqu'ils ont ajouté artificiellement de la « dérive » (bruit) aux données, MedMamba a continué à bien fonctionner, tandis que d'autres méthodes ont échoué.
Capteurs manquants : Même s'ils « éteignaient » certains capteurs (simulant un équipement défectueux), MedMamba pouvait toujours déterminer les connexions et diagnostiquer le patient, alors que les méthodes utilisant des cartes fixes luttaient.
Vitesse : Il est rapide et n'a pas besoin d'un superordinateur, ce qui le rend pratique pour les hôpitaux réels.

En bref, MedMamba est une façon plus intelligente, plus rapide et plus adaptable pour les ordinateurs d'écouter les signaux du corps et de trouver la vérité, même lorsque le signal est désordonné ou changeant.

Résumé Technique : MedMamba

Énoncé du Problème

La classification des séries temporelles médicales (MedTS) est cruciale pour l'aide à la décision clinique, mais elle fait face à trois défis principaux que les méthodes existantes peinent à relever simultanément :

Dynamiques Locales-Global : Les modèles doivent capturer des caractéristiques morphologiques locales discriminantes (par exemple, des pics aigus) tout en modélisant des dépendances temporelles à long terme.
Non-stationnarité : Les enregistrements du monde réel souffrent souvent de dérive de base et d'artefacts d'acquisition. Ces décalages lents peuvent masquer des motifs diagnostiques et réduire la généralisation, en particulier dans les contextes d'évaluation indépendants du sujet.
Interactions Latentes entre Canaux : Les enregistrements multicanal (par exemple, EEG, ECG) contiennent des indices diagnostiques dans les interactions inter-canaux. Cependant, ces dépendances sont souvent dynamiques et spécifiques à l'échantillon, rendant les graphes anatomiques prédéfinis insuffisants ou inexacts.

Les approches existantes, telles que les CNN (limités dans la modélisation à long terme), les Transformers (complexité quadratique) et les Réseaux de Neurones Graphiques standards (souvent dépendants de graphes statiques ou manquant de gestion de la non-stationnarité), échouent à équilibrer efficacement ces exigences.

Méthodologie

Les auteurs proposent MedMamba, une architecture de bout en bout qui intègre des Modèles d'Espace d'État (SSM) avec des biais inductifs spécifiques au domaine. L'architecture se compose de trois composants principaux :

1. Encodage Convolutif Multi-échelle (MCE)

Pour capturer la morphologie locale discriminante à travers différentes échelles temporelles, MedMamba emploie des convolutions temporelles en profondeur parallèles avec des tailles de noyau variables (par exemple, $k \in \{3, 5, 7\}$ ). Ces caractéristiques sont concaténées et projetées vers une dimension cachée, fournissant une représentation initiale riche qui préserve les détails des formes d'onde locales avant d'être alimentées dans le socle SSM.

2. Encodeur d'État d'État Différentiel Tri-branché (TDSSE)

Pour atténuer la non-stationnarité et la dérive de base, le modèle traite l'entrée à travers trois vues temporelles complémentaires en parallèle, les fusionnant via des portes apprenables :

Vue Brute : Un bloc Mamba bidirectionnel traite le signal brut pour capturer le contexte à long terme.
Vue Différentielle : L'entrée est transformée en différences du premier ordre ( $\Delta X_t = X_t - X_{t-1}$ ). Cela agit comme un filtre passe-haut pour supprimer la dérive de base lentement variable et mettre l'accent sur les changements dynamiques.
Vue Fréquentielle : Une modulation spectrale apprenable est appliquée dans le domaine fréquentiel (via FFT) pour isoler les bandes rythmiques informatives (par exemple, les rythmes EEG) tout en atténuant les artefacts.
Les trois branches sont fusionnées à l'aide de portes élémentaires locales (pour le débruitage) et de portes de sélection de vue globale, permettant au modèle de prioriser dynamiquement la vue la plus informative pour un segment donné.

3. Module Spatial Graph Mamba (SGM)

Pour modéliser les dépendances latentes inter-canaux sans s'appuyer sur des graphes anatomiques prédéfinis, MedMamba introduit un mécanisme d'apprentissage de graphe adaptatif conditionné par l'échantillon :

Apprentissage de Graphe : Pour chaque échantillon d'entrée, le modèle apprend une matrice d'adjacence dirigée $A$ en projetant des représentations de canaux regroupées dans des espaces latents « source » et « cible ». Cela permet à la structure de dépendance de s'adapter aux caractéristiques spécifiques de l'échantillon.
Priors de Structure : Pour assurer la robustesse et l'interprétabilité, le graphe appris est régularisé avec deux contraintes :
- Sparsité (norme $L_1$ ) : Encourage une structure de dépendance sparse pour filtrer le bruit.
- Acyclicité (contrainte DAG) : Utilise une pénalité exponentielle de trace ( $\text{tr}(e^{A \odot A}) - C$ ) pour imposer une structure de Graphe Acyclique Dirigé, empêchant les boucles de rétroaction cycliques instables.
Fusion Spatiale : Le module combine une voie de diffusion de graphe (propageant l'information le long des arêtes dirigées apprises) avec une voie SSM par canal (modélisant les dépendances spatiales globales), les fusionnant via une porte adaptative.

L'ensemble du système est entraîné de bout en bout avec une perte d'entropie croisée augmentée par les termes de régularisation de la structure du graphe.

Contributions Clés

Architecture MedMamba : Un cadre novateur combinant des SSM avec des biais inductifs du domaine médical (morphologie multi-échelle, encodage temporel multi-vues et apprentissage de graphe adaptatif) pour une classification MedTS efficace et robuste.
Encodeur Différentiel Tri-branché : Un mécanisme qui traite explicitement la non-stationnarité en fusionnant les vues brute, différentielle et fréquentielle, améliorant considérablement la robustesse face à la dérive de base.
Module Spatial Graphique Adaptatif : Une approche pilotée par les données pour apprendre des dépendances de canaux dirigées, esparses et acycliques sans connaissance topologique préalable, capturant des interactions inter-canaux complexes.
Évaluation Étendue : Des expériences complètes sur cinq jeux de données médicaux réels (trois EEG, deux ECG) selon des protocoles dépendants et indépendants du sujet.

Résultats Expérimentaux

MedMamba a été évalué sur cinq jeux de données : ADFTD, APAVA, TDBRAIN (EEG), et PTB, PTB-XL (ECG).

Performance : Le modèle a atteint des performances de pointe (SOTA) sur la plupart des métriques (Précision, F1, AUROC, AUPRC) sur les cinq jeux de données. Notamment, il a obtenu le meilleur score F1 sur tous les jeux de données dans le contexte difficile indépendant du sujet, démontrant une forte généralisation à des sujets non vus.
Robustesse : Des expériences injectant une dérive de base contrôlée et simulant des canaux manquants ont montré que MedMamba se dégrade plus gracieusement que les bases de comparaison (y compris MedGNN et les variantes uniquement brutes), validant l'efficacité du TDSSE et de l'apprentissage de graphe adaptatif.
Efficacité : MedMamba maintient une complexité computationnelle linéaire par rapport à la longueur de la séquence ( $O(T)$ ou $O(T \log T)$ dû à la FFT), offrant un compromis favorable entre précision et coût computationnel par rapport aux Transformers à complexité quadratique et aux modèles graphiques lourds.
Études d'Ablation : La suppression de n'importe quel composant (MCE, TDSSE ou SGM) a entraîné des baisses de performance constantes, confirmant la nécessité de chaque module. Plus précisément, le TDSSE était crucial pour les jeux de données non stationnaires, tandis que le SGM était vital pour capturer les interactions inter-canaux.

Signification et Revendications

L'article revendique que MedMamba offre une solution pratique pour le déploiement clinique en abordant les limitations spécifiques des modèles d'apprentissage profond actuels dans l'analyse des séries temporelles médicales. En intégrant une modélisation d'espace d'état à complexité linéaire avec des biais inductifs spécifiques au domaine, MedMamba comble avec succès le fossé entre l'efficacité computationnelle et le besoin d'une modélisation robuste et interprétable des signaux physiologiques multicanal non stationnaires.

Les auteurs soulignent que leur approche ne repose pas sur des paramètres pré-entraînés massifs ou sur des hypothèses anatomiques statiques. Au lieu de cela, elle apprend une connectivité fonctionnelle adaptative à l'échantillon qui s'aligne avec la plausibilité physiologique (comme le montrent les visualisations qualitatives de graphes) tout en maintenant une robustesse face aux artefacts tels que la dérive de base. Cela suggère que des architectures spécialisées et légères peuvent surpasser les grands modèles à usage général dans les applications de santé à haut risque, ouvrant la voie à une surveillance diagnostique en temps réel et explicable.