🤖 machine learning

Event Fields: Learning Latent Event Structure for Waveform Foundation Models

यह शोध पत्र "इवेंट फील्ड्स" (Event Fields) को प्रस्तुत करता है, जो वेवफॉर्म फाउंडेशन मॉडल्स का एक नया वर्ग है जो पारंपरिक अनुक्रम-आधारित निरूपणों से हटकर समय श्रृंखला (time series) को अंतर्निहित, परस्पर क्रिया करने वाली घटनाओं के रूप में मॉडल करने वाले एक स्व-पर्यवेक्षित ढांचे (self-supervised framework) की ओर स्थानांतरित होकर शारीरिक संकेतों के विश्लेषण में सुधार करता है, जिससे विभिन्न स्वास्थ्य देखभाल बेंचमार्क में उत्कृष्ट प्रदर्शन, सुदृढ़ता और लेबल दक्षता प्राप्त होती है।

मूल लेखक: Li Na, Yuanyun Zhang, Shi Li

प्रकाशित 2026-05-12

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Li Na, Yuanyun Zhang, Shi Li

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जटिल कहानी को समझने की कोशिश कर रहे हैं, जैसे कि कोई सिम्फनी या एक लंबी बातचीत।

पुराना तरीका (सीक्वेंस मॉडल्स - Sequence Models):
मेडिकल सिग्नल (जैसे दिल की धड़कन या मांसपेशियों की लहरें) के लिए अधिकांश वर्तमान AI मॉडल डेटा को मोतियों की एक माला की तरह देखते हैं। वे डेटा को सेकंड-दर-सेकंड, या यहाँ तक कि मिलीसेकंड-दर-मिलीसेकंड देखते हैं, और यह अनुमान लगाने की कोशिश करते हैं कि अगला हिस्सा क्या होगा। यह एक फिल्म को स्क्रीन पर मौजूद व्यक्तिगत पिक्सेल को देखकर समझने जैसा है। आप रंगों और आकृतियों को तो देख सकते हैं, लेकिन आप कहानी, पात्रों के विकास और भावनात्मक उतार-चढ़ाव को मिस कर देते हैं। यह पेपर तर्क देता है कि यह "पिक्सेल-दर-पिक्सेल" वाला दृष्टिकोण मानव शरीर के काम करने के तरीके को समझने का गलत तरीका है।

नया तरीका (इवेंट फील्ड मॉडल्स - Event Field Models):
लेखक एक नया दृष्टिकोण प्रस्तावित करते हैं जिसे इवेंट फील्ड्स (Event Fields) कहा जाता है। कच्चे सिग्नल (raw signal) को देखने के बजाय, वे कल्पना करते हैं कि सिग्नल समय के साथ होने वाली अदृश्य "घटनाओं" (events) से बना है।

उपमा (The Analogy): एक दिल की धड़कन को ग्राफ पर एक टेढ़ी-मेढ़ी रेखा के रूप में नहीं, बल्कि कई अलग-अलग "घटनाओं" की एक श्रृंखला के रूप में सोचें: एक संकुचन (contraction), एक विश्राम (relaxation), एक ठहराव (pause), और एक उछाल (surge)। इन घटनाओं का एक शुरुआत, एक अंत और एक अवधि होती है। ये एक-दूसरे के साथ परस्पर क्रिया करती हैं (जैसे कि कैसे एक धड़कन अगली धड़कन को प्रभावित करती है)।
लक्ष्य: AI का काम रेखा के आकार को याद रखना नहीं है; बल्कि रेखा के भीतर छिपी घटनाओं की कहानी को सीखना है।

वे AI को कैसे सिखाते हैं ("ब्लाइंडफोल्ड" गेम):
चूंकि AI इन "घटनाओं" को सीधे नहीं देख सकता (क्योंकि वे छिपी हुई हैं), शोधकर्ताओं ने स्टोकेस्टिक सेगमेंटेशन (Stochastic Segmentation) नामक एक चतुर प्रशिक्षण तकनीक का उपयोग किया है।

केक को अलग-अलग तरह से काटना: कल्पना कीजिए कि आपके पास एक चॉकलेट केक (मेडिकल सिग्नल) है। आप एक छात्र को यह सिखाना चाहते हैं कि "चॉकलेट" का स्वाद कैसा होता है।
- पुराना तरीका: आप उन्हें केक का एक विशिष्ट टुकड़ा देते हैं और कहते हैं, "यह चॉकलेट है।"
- नया तरीका: आप केक को कई अलग-अलग, यादृच्छिक (random) तरीकों से काटते हैं। कभी आप इसे पतले स्लाइस में काटते हैं, कभी बड़े टुकड़ों में, और कभी इसे तिरछा काटते हैं।
सबक: आप छात्र से पूछते हैं कि वे इन अलग-अलग कट के आधार पर केक का वर्णन करें। यदि छात्र कहता है, "इस टुकड़े का स्वाद वैनिला जैसा है" सिर्फ इसलिए क्योंकि आपने इसे एक खास तरह से काटा था, तो वह गलत है। उन्हें यह समझने की आवश्यकता है कि आप इसे किसी भी तरह से काटें, मूल "चॉकलेट जैसापन" (chocolate-ness) समान रहता है।
परिणाम: AI डेटा को काटने के यादृच्छिक तरीके (शोर या आर्टिफैक्ट्स) को अनदेखा करना सीख जाता है और मुख्य संरचना (घटनाओं) पर ध्यान केंद्रित करता है। यह सीख जाता है कि एक हार्ट अटैक घटनाओं का एक विशिष्ट पैटर्न है, चाहे सिग्नल शोर भरा हो, धीमा हो, या तेज़ हो।

"इंटरैक्शन" की सुपरपावर:
मॉडल में एक विशेष टूल भी शामिल है जिसे लेटेंट इंटरैक्शन ऑपरेटर (Latent Interaction Operator) कहा जाता है।

उपमा: एक फुटबॉल मैच में, गोल केवल एक खिलाड़ी द्वारा गेंद को किक मारना नहीं है; यह एक पास, एक दौड़ और एक डिफेंस मूव के क्रम में होने वाला परिणाम है।
अनुप्रयोग: AI केवल एक घटना को अलग से नहीं देखता है। यह देखता है कि घटना A (एक हृदय संकुचन) घटना B (अगले संकुचन) से कैसे बात करती है। यह उन "खेल के नियमों" को सीखता है जो यह तय करते हैं कि समय के साथ ये घटनाएँ आपस में कैसे क्रिया करती हैं।

यह क्यों महत्वपूर्ण है (परिणाम):
इस पेपर ने नए "इवेंट फील्ड" मॉडल का परीक्षण पुराने "मोती-दर-मोती" वाले मॉडल्स के मुकाबले निम्नलिखित कार्यों पर किया:

अनियमित दिल की धड़कन का पता लगाना (Arrhythmia): नया मॉडल समस्या को पहचानने में बेहतर था।
रक्त प्रवाह का अनुमान लगाना (Hemodynamics): इसने अधिक सटीक भविष्यवाणियां कीं।
समान सिग्नल खोजना (Retrieval): यह ऐसे दिल की धड़कनों को खोज सका जो "एक जैसी" कहानी रखते थे, भले ही वे सतह पर अलग दिखते हों।
कम डेटा के साथ सीखना: नया मॉडल तेजी से सीखा और इसे कम लेबल वाले उदाहरणों (जैसे एक छात्र जो गिरने वाले हर सेब को याद करने के बजाय "गुरुत्वाकर्षण" की अवधारणा को जल्दी सीख जाता है) की आवश्यकता पड़ी।

मुख्य बात (The Bottom Line):
पेपर का दावा है कि कच्चे सिग्नल (टेढ़ी-मेढ़ी रेखा) को देखने के बजाय छिपी हुई घटनाओं (रेखा के पीछे की कहानी) को समझने पर ध्यान केंद्रित करके, AI अधिक स्मार्ट, शोर के प्रति मजबूत और मानव शरीर की लय की वास्तविक प्रकृति को समझने में बेहतर हो जाता है। यह "अक्षरों को पढ़ने" से "वाक्यों को समझने" की ओर एक बदलाव है।

तकनीकी सारांश: वेवफॉर्म फाउंडेशन मॉडल के लिए इवेंट फील्ड्स (Event Fields)

समस्या विवरण
शारीरिक वेवफॉर्म (जैसे ECG, PPG, EMG) के लिए वर्तमान हेल्थकेयर फाउंडेशन मॉडल मुख्य रूप से एक अनुक्रम-आधारित (sequence-based) प्रतिमान का पालन करते हैं। ये मॉडल सिग्नलों को स्थानीय टोकन या पैच के संग्रह के रूप में देखते हैं, जो भाषा और विजन प्रीट्रेनिंग से प्रेरित मास्क्ड रिकंस्ट्रक्शन या कॉन्ट्रास्टिव ऑब्जेक्टिव्स पर निर्भर करते हैं। लेखक तर्क देते हैं कि यह दृष्टिकोण शारीरिक तर्क (physiological reasoning) की प्रकृति के साथ मौलिक रूप से असंगत है। नैदानिक व्याख्या (clinical interpretation) शायद ही कभी कच्चे आयामों (raw amplitudes) या अल्प-समय की खिड़कियों (short-time windows) के स्तर पर कार्य करती है; इसके बजाय, यह बीट्स, चक्रों (cycles), बर्स्ट्स और गतिशील व्यवस्थाओं (dynamical regimes) के बीच संक्रमण जैसे उच्च-स्तरीय अमूर्त रूपों पर निर्भर करती है। मानक अनुक्रम मॉडल स्पष्ट रूप से यह मान लेते हैं कि भविष्य कहनेवाला ढांचा (predictive structure) स्थानीय खंडों में कूटबद्ध है, जिससे वे अक्सर सार्थक परिवर्तनशीलता को अवांछित सिग्नल उतार-चढ़ाव के साथ मिला देते हैं। फलस्वरूप, ये मॉडल उन विस्तारित, परस्पर क्रिया करने वाले और संबंधपरक शारीरिक घटनाओं (physiological events) को पकड़ने में संघर्ष करते हैं, जो पृथक घटनाओं के बजाय लेटेंट प्रक्रियाओं (latent processes) से उत्पन्न होती हैं।

कार्यप्रणाली (Methodology)
यह शोध पत्र एक स्पेक्ट्रो-टेम्पोरल इवेंट फील्ड फॉर्मूलेशन (spectro-temporal event field formulation) पर आधारित वेवफॉर्म फाउंडेशन मॉडल्स की एक नई श्रेणी प्रस्तावित करता है। वेवफॉर्म $x(t)$ को सीधे मॉडल करने के बजाय, लेखक यह प्रतिपादित करते हैं कि शारीरिक संकेत समय और आवृत्ति में विकसित होने वाले लेटेंट इवेंट फील्ड्स के एक निरंतर सुपरपोजिशन (superposition) द्वारा उत्पन्न होते हैं।

लेटेंट जेनेरेटिव मॉडल (Latent Generative Model): सिग्नल को $x(t) = \int_{\Omega} \int_{0}^{T} \phi(z, \tau) g_{\theta}(t - \tau, z) d\tau dz$ के रूप में दर्शाया गया है, जहाँ $z$ एक लेटेंट इवेंट स्पेस (रिदम क्लास, एक्टिवेशन टाइप) को इंडेक्स करता है, $\phi(z, \tau)$ एक अनऑब्जर्व्ड इवेंट इंटेंसिटी फील्ड है, और $g_{\theta}$ एक सीखा हुआ एमिशन कर्नेल (emission kernel) है। यह फॉर्मूलेशन घटनाओं को ओवरलैप करने, परस्पर क्रिया करने और निरंतर विकसित होने की अनुमति देता है।
स्टोकेस्टिक सेगमेंटेशन और प्रोजेक्शन (Stochastic Segmentations and Projections): चूंकि लेटेंट फील्ड $\phi$ अनऑब्जर्व्ड है, मॉडल इसे स्टोकेस्टिक सेगमेंटेशन (समय अक्ष के कई संभावित डिकंपोजिशन का नमूना लेना) और टाइम-फ्रीक्वेंसी प्रोजेक्शन (सब-बैंड फ़िल्टरिंग, टाइम वार्पिंग, या फेज परटर्बेशन जैसे रैंडमाइज्ड ऑपरेटर्स) के माध्यम से प्रेरित करता है। ये प्रोजेक्शन सिग्नल-स्तर के विवरणों को विकृत करते हैं लेकिन अंतर्निहित शारीरिक पहचान को सुरक्षित रखते हैं।
इवेंट एनकोडर आर्किटेक्चर (Event Encoder Architecture): एनकोडर $h_{\theta}$ $h_{θ}$ तीन चरणों के माध्यम से प्रोजेक्टेड वेवफॉर्म्स को प्रोसेस करता है:
1. लोकल फीचर एक्सट्रैक्शन: कनवोल्यूशनल या ट्रांसफॉर्मर स्टेम्स के माध्यम से पैच- या फ्रेम-स्तरीय एम्बेडिंग्स।
2. सेगमेंटेशन-अवेयर एग्रीगेशन: स्टोकेस्टिक सेगमेंटेशन के आधार पर लोकल फीचर्स को सेगमेंट एम्बेडिंग्स में पूलिंग करना।
3. ग्लोबल इंटरेक्शन मॉड्यूल: एक लेटेंट इंटरेक्शन ऑपरेटर (जिसे एक कर्नालाइज्ड ऑपरेटर के साथ न्यूरल इंटीग्रल ट्रांसफॉर्म के रूप में मॉडल किया गया है) अनुमानित घटनाओं के बीच निर्भरता, जैसे कि आवधिक युग्मन (periodic coupling) और क्रॉस-फ्रीक्वेंसी इंटरैक्शन को कैप्चर करता है।
सेल्फ-सुपरवाइज्ड ऑब्जेक्टिव (Self-Supervised Objective): मुख्य लर्निंग सिग्नल स्टोकेस्टिक सेगमेंटेशन और प्रोजेक्शन के बीच निरंतरता (consistency) है। मॉडल को एक ही अंतर्निहित इवेंट फील्ड के विभिन्न दृश्यों (views) के लिए इनवेरिएंट रिप्रेजेंटेशन बनाने के लिए प्रशिक्षित किया जाता है, जिसमें InfoNCE-शैली का कॉन्ट्रास्टिव लॉस ( $L_{cons}$ ) उपयोग किया जाता है।
रेगुलराइजेशन और मल्टीमोडैलिटी (Regularization and Multimodality): एक सहायक सेगमेंटेशन स्टेबिलिटी लॉस ( $L_{seg}$ ) प्रेडिक्टेड बाउंड्रीज में स्पर्सिटी, स्मूथनेस और क्रॉस-व्यू एग्रीमेंट को लागू करता है। मल्टीमॉडल सेटिंग्स के लिए, यह ढांचा विभिन्न मोडैलिटीज (जैसे ECG और PPG) को इस धारणा के साथ संरेखित करता है कि वे एक साझा लेटेंट इवेंट फील्ड के अलग-अलग उत्सर्जन (emissions) हैं, उन्हें बिना किसी स्पष्ट फ्यूजन मॉड्यूल के एक साझा रिप्रेजेंटेशन स्पेस के माध्यम से संरेखित करता है।

प्रमुख योगदान

स्पेक्ट्रो-टेम्पोरल इवेंट फील्ड फॉर्मूलेशन: कच्चे सिग्नल्स को मॉडल करने से हटकर निरंतर लेटेंट प्रक्रियाओं को मॉडल करने की ओर एक बदलाव, जो वेवफॉर्म्स को टोकनाइज्ड अनुक्रमों के बजाय परस्पर क्रिया करने वाले इवेंट फील्ड्स के रूप में मानता है।
स्टोकेस्टिक कंसिस्टेंसी ऑब्जेक्टिव: एक सेल्फ-सुपरवाइज्ड लर्निंग फ्रेमवर्क जो रैंडमाइज्ड टाइम-फ्रीक्वेंसी प्रोजेक्शन और स्टोकेस्टिक सेगमेंटेशन के माध्यम से रिप्रेजेंटेशन को संरेखित करके लेटेंट इवेंट स्ट्रक्चर के स्तर पर इनवेरिएंस को लागू करता है।
न्यूरल ऑपरेटर-आधारित आर्किटेक्चर: एक नया एनकोडर डिज़ाइन जो लेटेंट फील्ड के भीतर निरंतर इवेंट इंटरैक्शन ऑपरेटर को शामिल करके टेम्पोरल डिपेंडेंसी और मल्टीमॉडल एलाइनमेंट को स्पष्ट रूप से मॉडल करता है।

परिणाम
प्रस्तावित विधि का मूल्यांकन अतालता वर्गीकरण (arrhythmia classification), हेमोडायनामिक भविष्यवाणी और वेवफॉर्म रिट्रीवल सहित शारीरिक बेंचमार्क पर किया गया।

प्रदर्शन (Performance): प्रस्तावित इवेंट फील्ड मॉडल ने सभी कार्यों में मजबूत बेसलाइन्स (मास्क्ड रिकंस्ट्रक्शन, कॉन्ट्रास्टिव सीक्वेंस, और टाइम-फ्रीक्वेंसी हाइब्रिड मॉडल) को पछाड़ दिया। मल्टीमोडल प्रेडिक्शन (AUROC 0.872 बनाम 0.823) और रिट्रीवल (MAP 0.714 बनाम 0.645) में उल्लेखनीय सुधार देखे गए।
मजबूती (Robustness): मॉडल ने सिग्नल परटर्बेशन्स (जैसे नॉइज़ इंजेक्शन, टाइम वार्पिंग और फ्रीक्वेंसी मास्किंग) के प्रति बेहतर मजबूती प्रदर्शित की, जो सीक्वेंस-आधारित बेसलाइन्स की तुलना में अधिक सुचारू रूप से गिरावट (degrade) दिखाता है।
लेबल दक्षता (Label Efficiency): कम-लेबल शासन (1% से 10% लेबल) में, इवेंट-सेंट्रिक दृष्टिकोण ने काफी उच्च AUROC स्कोर (1% पर 0.781 बनाम बेसलाइन्स के लिए 0.701) प्राप्त किया, जो दर्शाता है कि सीखा गया इवेंट स्ट्रक्चर एक मजबूत इंडक्टिव प्रायर प्रदान करता है।
एब्लेशन (Ablation): किसी भी घटक (सेगमेंटेशन कंसिस्टेंसी, प्रोजेक्शन, या इंटरेक्शन ऑपरेटर) को हटाने से प्रदर्शन में गिरावट आई, जिसमें सेगमेंटेशन कंसिस्टेंसी को सबसे महत्वपूर्ण कारक के रूप में पहचाना गया।

महत्व और दावे
पेपर का दावा है कि सिग्नल-केंद्रित से इवेंट-केंद्रित रिप्रेजेंटेशन की ओर बढ़ना शारीरिक गतिकी (physiological dynamics) को मॉडल करने के लिए एक अधिक उपयुक्त इंडक्टिव बायस प्रदान करता है। कच्चे सिग्नल की शुद्धता (fidelity) के बजाय लेटेंट इवेंट्स के संगठन और परस्पर क्रिया को प्राथमिकता देकर, यह ढांचा हेल्थकेयर में फाउंडेशन मॉडल्स को स्केल करने के लिए एक पूरक मार्ग प्रदान करता है जो केवल मॉडल के आकार या डेटासेट की मात्रा बढ़ाने पर निर्भर नहीं है। लेखक सुझाव देते हैं कि यह दृष्टिकोण ऐसे रिप्रेजेंटेशन प्रदान करता है जो हैं:

अधिक मजबूत (More Robust): अवांछित परिवर्तनशीलता (शोर, सेंसर आर्टिफैक्ट्स) और वितरण संबंधी बदलावों के प्रति कम संवेदनशील।
अधिक कुशल (More Efficient): कम लेबल वाले उदाहरणों के साथ बेहतर प्रदर्शन सक्षम करना।
अधिक व्याख्या योग्य (More Interpretable): स्पष्ट पर्यवेक्षण के बिना चिकित्सकीय रूप से सार्थक संरचनाओं (जैसे QRS कॉम्प्लेक्स) के साथ संरेखित होने वाले टेम्पोरली लोकलाइज्ड इवेंट रिप्रेजेंटेशन बनाना।

यह कार्य यह प्रतिपादित करता है कि सही रिप्रेजेंटेशन स्पेस (लेटेंट इवेंट फील्ड्स) की पहचान करना, मॉडल क्षमता को स्केल करने जितना ही महत्वपूर्ण हो सकता है, जो टाइम-सीरीज फाउंडेशन मॉडल्स में प्रचलित टोकनाइजेशन रणनीतियों का एक व्यवस्थित विकल्प प्रदान करता है।

इसी तरह के और पेपर