🤖 machine learning

Capturing Cardiac Cyclicity through Phase-Equivariant Self-Supervised Learning

यह शोध पत्र विंडर (Winder) को प्रस्तुत करता है, जो एक पैरामीटर-कुशल, चरण-तुल्यकालिक (phase-equivariant) स्व-पर्यवेक्षित शिक्षण आर्किटेक्चर है, जो हृदय चक्र की ज्यामितीय संरचना का लाभ उठाकर PTB-XL डेटासेट पर अत्याधुनिक नैदानिक सटीकता प्राप्त करता है और साथ ही शारीरिक चरण से सीधे जुड़े एक सुपाठ्य लेटेंट प्रतिनिधित्व को बनाए रखता है।

मूल लेखक: Blaise Delaney, Dominic Dootson, Juan Jose Juan Castella, Salil Patel, Andrew Pfaff, Yuji Xing, Jonny Hancox, Karin Sevegnani

प्रकाशित 2026-08-24

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Blaise Delaney, Dominic Dootson, Juan Jose Juan Castella, Salil Patel, Andrew Pfaff, Yuji Xing, Jonny Hancox, Karin Sevegnani

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

मानव हृदय एक कठोर, अपरिवर्तनीय गति पर सेट किए गए मेट्रोनोम की तरह नहीं धड़कता; यह एक तरल, लयबद्ध चक्र में धड़कता है जो हर सांस और हर कदम के साथ तेज और धीमा होता रहता है। इस अंग को संचालित करने वाले विद्युत संकेतों को समझने के लिए, डॉक्टरों और वैज्ञानिकों ने लंबे समय से इलेक्ट्रोकार्डियोग्राम पर भरोसा किया है, जो एक परीक्षण है जो इन विद्युत तरंगों को कागज की एक पट्टी या डिजिटल स्क्रीन पर रिकॉर्ड करता है। चुनौती इस तथ्य में निहित है कि हर धड़कन की लंबाई और आकार थोड़ा अलग होता है, जिससे कंप्यूटर के लिए एक धड़क की तुलना दूसरी से करना या रोगी की गति या सांस के शोर के भीतर छिपे बीमारी के सूक्ष्म संकेतों को पहचानना कठिन हो जाता है। दशकों से, शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस को इस परिवर्तनशीलता के पार देखना सिखाने की कोशिश की है, इस उम्मीद में कि वे ऐसे सिस्टम बना सकें जो डॉक्टरों के लाखों लेबल किए गए उदाहरणों की आवश्यकता के बिना एक स्वस्थ हृदय के अंतर्निहित पैटर्न को सीख सकें। लक्ष्य एक ऐसी मशीन बनाना है जो हृदय की प्राकृतिक लय को केवल संख्याओं के एक अनुक्रम के रूप में नहीं, बल्कि घटनाओं के एक दोहराए जाने वाले चक्र के रूप में समझे जिसे एक एकल, सुसंगत टाइमलाइन पर मैप किया जा सके।

टाइमट्रेस लैब्स (TimeTrace Labs) के शोधकर्ताओं द्वारा विकसित एक नया दृष्टिकोण, जो एनवीडिया (NVIDIA) और कई विश्वविद्यालयों के सहयोग से बनाया गया है, इस समस्या को हल करने का एक नया तरीका प्रदान करता है। कंप्यूटर को शुरू से लय सीखने के लिए मजबूर करने के बजाय, उन्होंने एक ऐसा सिस्टम बनाया जो हृदय की धड़कन को एक वृत्त (सर्कल) के रूप में मानता है। कल्पना कीजिए कि आप एक लंबी, घुमावदार सड़क ले रहे हैं जो खुद पर वापस आती है और उसे एक पूर्ण छल्ले (रिंग) में समतल कर रहे हैं; यह उनके तरीके के पीछे का मुख्य विचार है, जिसे विंडर (WINDER) कहा जाता है। हृदय की धड़कन के रैखिक समय को एक गोलाकार निर्देशांक (सर्कुलर कोऑर्डिनेट) में बदलकर, सिस्टम यह पहचान सकता है कि हृदय के शुरू होने से ठीक पहले का क्षण हृदय के संकुचन को समाप्त करने के ठीक बाद के क्षण से मौलिक रूप से जुड़ा हुआ है, चाहे हृदय कितनी भी तेज या धीमी गति से धड़क रहा हो। यह कंप्यूटर को हृदय की विद्युत गतिविधि की अपनी समझ को इस तरह व्यवस्थित करने की अनुमति देता है जो कच्चे डेटा के पैटर्न को याद करने के बजाय वास्तविक शरीर विज्ञान (फिजियोलॉजी) को प्रतिबिंबित करती है।

शोधकर्ताओं ने इस विचार का परीक्षण PTB-XL डेटासेट से हृदय रिकॉर्डिंग के एक बड़े संग्रह का उपयोग करके किया, जिसमें विभिन्न हृदय रोगों वाले रोगियों के हजारों दस-सेकंड के क्लिप शामिल हैं। उन्होंने अपने सिस्टम को यह भविष्यवाणी करने के लिए प्रशिक्षित किया कि हृदय की अगली धड़क का अगला क्षण कैसा दिखेगा, लेकिन एक महत्वपूर्ण मोड़ के साथ: उन्होंने सिस्टम को हृदय के चक्र की गोलाकार प्रकृति का सम्मान करने के लिए मजबूर किया। यदि सिस्टम ने देखा कि हृदय की धड़क समय में थोड़ा स्थानांतरित हो गई है, तो उसे अपनी आंतरिक समझ को एक विशिष्ट, अनुमानित तरीके से समायोजित करना था, ठीक वैसे ही जैसे घड़ी के डायल को घुमाया जाता है। 'फेज इक्विवैरिएंस' (phase equivariance) के रूप में ज्ञात इस बाधा ने यह सुनिश्चित किया कि कंप्यूटर का आंतरिक मानचित्र हृदय की दर बदलने पर भी सुसंगत बना रहे। परिणाम स्वरूप एक मॉडल प्राप्त हुआ जो आश्चर्यजनक रूप से छोटा था, जिसमें केवल लगभग 1.2 मिलियन समायोज्य भाग थे, फिर भी इसने उन बहुत बड़े और अधिक जटिल सिस्टम के समान प्रदर्शन किया जिन्हें डेटा की विशाल मात्रा पर प्रशिक्षित किया गया था।

जब शोधकर्ताओं ने यह जांचा कि यह सिस्टम हृदय की समस्याओं का निदान करने में कितना प्रभावी है, तो उन्होंने पाया कि यह उसी के एक ऐसे संस्करण से काफी बेहतर प्रदर्शन करता है जिसमें गोलाकार बाधा (circular constraint) का उपयोग नहीं किया गया था। नए मॉडल ने एक ऐसी नैदानिक सटीकता हासिल की जिसने इसे वर्तमान में उपलब्ध सर्वश्रेष्ठ स्व-पर्यवेक्षित (self-supervised) तरीकों में शामिल कर दिया, बावजूद इसके कि यह आकार में बहुत संक्षिप्त था। अधिक महत्वपूर्ण बात यह है कि शोधकर्ता सिस्टम के "मस्तिष्क" के भीतर देख सकते थे और पाया कि इसने वास्तव में हृदय की धड़क की संरचना को सीख लिया था। हृदय की विद्युत गतिविधि के आंतरिक प्रतिनिधित्व ने एक स्पष्ट, संगठित लूप बनाया जो सीधे कार्डिएक चक्र के चरणों के अनुरूप था, जिसमें हृदय की धड़क को बनाने वाली विभिन्न तरंगों के लिए अलग-अलग क्षेत्र थे। इसके विपरीत, बिना गोलाकार बाधा वाले सिस्टम ने एक बिखरा हुआ, अव्यवस्थित मानचित्र बनाया जो हृदय की प्राकृतिक लय को प्रतिबिंबित नहीं करता था।

यह कार्य यह सुझाव देता है कि कंप्यूटर को किसी जैविक प्रक्रिया की ज्यामिति के बारे में स्पष्ट रूप से सिखाना, एक जेनेरिक मॉडल पर अधिक डेटा डालने से कहीं अधिक शक्तिशाली हो सकता है। हृदय की धड़क के चरण (फेज) जैसे एक मापने योग्य भौतिक मात्रा को सीखने की प्रक्रिया से जोड़कर, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया जो न केवल कुशल है बल्कि व्याख्या योग्य (interpretable) भी है। सिस्टम का आंतरिक तर्क पारदर्शी है; इसका संगठन सीधे उस शरीर विज्ञान से जुड़ा है जिसे समझने के लिए इसे बनाया गया है। यह दृष्टिकोण तब भी अधिक मजबूत साबित हुआ जब सिग्नल के कुछ हिस्से गायब या शोर युक्त थे, जैसे कि जब सेंसर त्वचा के संपर्क से हट गया हो। सिस्टम हृदय की स्थिति की एक सुसंगत समझ बनाए रखने में सक्षम था, जबकि असंरचित मॉडल अंतराल को समझने में संघर्ष करता था।

ये निष्कर्ष यह दावा नहीं करते हैं कि उन्होंने हृदय रोग का पता लगाने की सभी समस्याओं को हल कर लिया है, न ही वे यह सुझाव देते हैं कि यह विशिष्ट मॉडल तुरंत हर अस्पताल में उपयोग के लिए तैयार है। अध्ययन नियंत्रित परिस्थितियों में एक विशिष्ट डेटासेट के तहत किया गया था, और शोधकर्ता स्वीकार करते हैं कि रोगियों के व्यापक समूहों और हृदय के विभिन्न प्रकार के संकेतों पर आगे के परीक्षण आवश्यक हैं। हालांकि, परिणाम एक स्पष्ट मार्ग प्रदर्शित करते हैं: शरीर की प्राकृतिक समरूपताओं (symmetries) का सम्मान करके, आर्टिफिशियल इंटेलिजेंस अधिक प्रभावी ढंग से और कुशलता से सीख सकता है। यह पद्धति अन्य चक्रीय जैविक संकेतों, जैसे मस्तिष्क तरंगों से लेकर श्वसन पैटर्न तक, के लिए मॉडलों के एक नए वर्ग के द्वार खोलती है, जहाँ समझ की कुंजी डेटा की मात्रा में नहीं, बल्कि चक्र के आकार में निहित है।

समस्या विवरण

शारीरिक प्रक्रियाओं की चक्रीय प्रकृति, विशेष रूप से कार्डिएक चक्र (हृदय चक्र), स्व-पर्यवेक्षित प्रतिनिधित्व शिक्षण (self-supervised representation learning) के लिए एक स्वाभाविक पूर्ववर्ती (prior) प्रदान करती है। हालाँकि, समय-श्रृंखला डेटा के लिए मानक स्व-पर्यवेक्षित उद्देश्य, जैसे कि ऑटोरेग्रेसिव या पुनर्निर्माण हानि (reconstruction losses), इस संरचना का प्रभावी ढंगм से दोहन करने में विफल रहते हैं। ये विधियाँ शोर (गति, इलेक्ट्रोड संपर्क, बेसलाइन वेंडर) सहित कच्चे सेंसर अवलोकनों को पुनरुत्पादित करने के लिए बाध्य होती हैं, और स्वाभाविक रूप से सिग्नल की आवधिकता (periodicity) के अनुसार लेटेंट स्पेस को व्यवस्थित नहीं करती हैं। जबकि जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPAs) कच्चे नमूनों के बजाय लेटेंट लक्ष्यों की भविष्यवाणी करके एक विकल्प प्रदान करते हैं, मानक लेटेंट-प्रेडिक्शन उद्देश्य कार्डिएक फेज (हृदय चरण) के संगठन को अनिर्दिष्ट छोड़ देते हैं। फलस्वरूप, मॉडल फेज को एनकोड तो कर सकते हैं, लेकिन यह सुनिश्चित नहीं कर पाते कि लेटेंट ट्राजेक्टरीज (latent trajectories) बीट्स के बीच सुसंगत हों, जिससे हृदय के आवर्ती डीपोलराइजेशन और रिपोलराइजेशन अनुक्रम की विशिष्ट समरूपता (symmetry) को पकड़ने में विफलता होती है।

कार्यप्रणाली: WINDER

लेखक WINDER पेश करते हैं, जो एक फेज-इक्विवैरिएंट (चरण-सममित) विस्तार है जिसे LeJEPA आर्किटेक्चर को स्पष्ट रूप से कार्डिएक-फेज समरूपता को एनकोड करने के लिए डिज़ाइन किया गया है।

1. फेज रीपैरामीट्राइजेशन (Phase Reparameterization)
हृदय की धड़कन को रैखिक समय $t \in \mathbb{R}$ के फलन के रूप में मानने के बजाय, WINDER इसे फेज $\phi \in S^1$ (एक बंद लूप) के फलन के रूप में रीपैरामीट्राइज करता है। डिटेक्टेड R-पीक्स $\{R_i\}$ को देखते हुए, फेज मैप $\Phi: \mathbb{R} \to S^1$ को इस प्रकार परिभाषित किया गया है:
$\phi(t) := 2\pi \frac{t - R_i}{R_{i+1} - R_i}, \quad t \in [R_i, R_{i+1})$
यह निरंतर R-पीक्स के बीच के अंतराल को यूनिट सर्कल पर मैप करता है, जो बीट अवधि को सामान्य करते हुए चक्र के भीतर क्रम को सुरक्षित रखता है।

2. फेज-इक्विवैरिएंट लेटेंट स्पेस (Phase-Equivariant Latent Space)
मुख्य सैद्धांतिक योगदान फेज इक्विवैरिएंस (चरण-समरूपता) को लागू करना है। लेटेंट स्पेस $\mathcal{Z}$ को उसी समरूपता का पालन करने के लिए बाध्य किया जाता है जो कार्डिएक चक्र का है। यदि किसी सिग्नल को एनकोडिंग से पहले फेज में $\Delta$ द्वारा ट्रांसलेट किया जाता है, तो एनकोडिंग के बाद लेटेंट प्रतिनिधित्व को एक अनुरूप रूपांतरण $R_\Delta$ से गुजरना चाहिए:
$f_\theta(T_\Delta x) = R_\Delta f_\theta(x)$
ट्रांसपोर्ट ऑपरेटर $R_\Delta$ फिक्स्ड और क्लोज्ड-फॉर्म है, जिसे $U(1)$ समूह की ज्यामिति (जो $SO(2)$ के आइसोमॉर्फिक है) से प्राप्त किया गया है, न कि सीखा गया है। लेटेंट स्पेस को विभाजित किया गया है:

इनवेरिएंट कैपेसिटी ( $K_0$ ): वे निर्देशांक जो फेज रोटेशन के तहत स्थिर रहते हैं।
हारमोनिक कैपेसिटी: पूर्णांक हारमोनिक्स $n$ के अनुरूप सबस्पेस, जहाँ डाइमेंशन के जोड़े $n\Delta$ द्वारा घूमते हैं।
ट्रांसपोर्ट ऑपरेटर ब्लॉक-डायगोनल है, जिसमें प्रत्येक हार्मोनिक ब्लॉक रोटेशन $\rho(n\Delta)$ करता है। यह संरचना ट्रांसपोर्ट तंत्र में कोई भी सीखने योग्य पैरामीटर (learnable parameters) नहीं जोड़ती है।

3. लर्निंग ऑब्जेक्टिव (Learning Objective)
WINDER एक संयुक्त उद्देश्य को अनुकूलित करता है जिसमें तीन पद शामिल हैं:
$\mathcal{L}_{Winder} = \mathcal{L}_{pred} + \lambda_{SIG}\mathcal{L}_{SIG} + \lambda_{trans}\mathcal{L}_{trans}$

$\mathcal{L}_{pred}$ (लेटेंट प्रेडिक्शन): एक कॉज़ल प्रेडिक्टर अगले लेटेंट टोकन की भविष्यवाणी करता है, जो LeJEPA से विरासत में मिला है।
$\mathcal{L}_{SIG}$ (स्पेक्ट्रल रेगुलराइजेशन): लेटेंट एम्बेडिंग्स पर एक आइसोट्रोपिक गौसियन वितरण लागू करके रिप्रेजेंटेशन कोलैप्स को रोकने के लिए स्केचड आइसोट्रोपिक गौसियन रेगुलराइज़र (SIGReg) का उपयोग करता है।
$\mathcal{L}_{trans}$ (फेज-इक्विवैरिएंट ट्रांसपोर्ट): एक नवीन लॉस टर्म जो फेज इक्विवैरिएंस से विचलन को दंडित करता है। यह ट्रांसपोर्ट किए गए वर्तमान लेटेंट और वास्तविक अगले लेटेंट के बीच स्क्वेर्ड डायरेक्शनल एरर को मापता है:
$\mathcal{L}_{trans} = \mathbb{E}_{(t,t')} \left[ 1 - \langle R_{\Delta_{tt'}} \hat{z}_t, \hat{z}_{t'} \rangle \right]$
यह लेटेंट ट्राजेक्टरी को कार्डिएक फेज ऑर्डर का लगातार पालन करने के लिए प्रोत्साहित करता है।

4. आर्किटेक्चर (Architecture)
WINDER को 12-लीड ECGs (PTB-XL डेटासेट) के लिए एक कॉम्पैक्ट कॉज़ल आर्किटेक्चर के रूप में लागू किया गया है।

एनकोडर: 12-लीड सिग्नल्स (100 Hz) के 80ms पैचेस को एक पैच MLP और दो रेसिडुअल कॉज़ल कॉन्वोल्यूशनल ब्लॉक्स के माध्यम से प्रोसेस करता है।
प्रोजेक्टर: एनकोडर आउटपुट को 256-डायमेंशनल लेटेंट टोकन्स में मैप करता है।
प्रेडिक्टर: एक कॉज़ल ट्रांसफार्मर (इन्फरेंस के समय हटा दिया जाता है) जिसका उपयोग केवल प्रशिक्षण के दौरान भविष्य के टोकन्स की भविष्यवाणी करने के लिए किया जाता है।
पैरामीटर फुटप्रिंट: तैनात मॉडल (एनकोडर + प्रोजेक्टर) में लगभग 1.2 मिलियन पैरामीटर्स हैं।

मुख्य परिणाम

PTB-XL डेटासेट पर सील्ड टेस्ट फोल्ड (फोल्ड 10) पर फ्रोजन लीनियर-प्रोब प्रोटोकॉल के तहत मूल्यांकन किया गया:

डायग्नोस्टिक एक्यूरेसी (नैदानिक सटीकता): WIDER एक सुपरक्लास मैक्रो-AUROC 0.8702 प्राप्त करता है, जो ट्रांसपोर्ट-मुक्त कंट्रोल (0.7826) से काफी बेहतर प्रदर्शन करता है। यह उन स्टेट-ऑफ-द-आर्ट स्व-पर्यवेक्षित विधियों के प्रदर्शन के तुलनीय है जिनके पैरामीटर्स अक्सर कई गुना अधिक होते हैं।
मैकेनिज्म वैलिडिटी (तंत्र वैधता): मॉडल "G1 गेट" परीक्षण पास करता है, जो पुष्टि करता है कि सीखे गए प्रतिनिधित्व घोषित कार्डिएक क्लॉक का उपयोग करते हैं। ट्रांसपोर्ट गेन फ्रैक्शन WINDER के लिए 0.8786 है बनाम कंट्रोल के लिए -0.0744, जो दर्शाता है कि फेज ट्रांसपोर्ट बाधा सक्रिय रूप से लेटेंट स्पेस को आकार दे रही है।
लेटेंट ज्योमेट्री (लेटेंट ज्यामिति):
- फंडामेंटल-हारमोनिक एम्प्लीट्यूड: WIDER कंट्रोल की तुलना में लगभग 5 गुना अधिक फेज-लॉक्ड फंडामेंटल घटक (1.89 बनाम 0.38) प्रदर्शित करता है।
- ऑर्बिट-सबस्पेस कोहेरेंस: WIDER 0.9927 की कोहेरेंस प्राप्त करता है, जो इंगित करता है कि फेज-बिन मीन्स लगभग पूरी तरह से अपेक्षित रोटेशनल प्ले के भीतर हैं, जबकि कंट्रोल 0.3159 पर कोलैप्स हो जाता है।
- विजुअलाइजेशन: UMAP विजुअलाइजेशन दिखाते हैं कि WIDER के टोकन्स एक फेज-ऑर्डर्ड एनुलस (annulus) बनाते हैं, जबकि कंट्रोल के टोकन्स एक अव्यवस्थित क्लस्टर बनाते हैं।
रोबस्टनेस (मजबूती): WINDER सिंगल-लीड ड्रॉपआउट के प्रति बेहतर मजबूती दिखाता है, जिसका औसत गिरावट -0.0034 है, जबकि कंट्रोल के लिए यह -0.0107 है।
अनोमली डिटेक्शन (विसंगति का पता लगाना): सिंथेटिक परटर्बेशन परीक्षणों में, WIDER एक्टोपिक बीट्स (AUROC 0.8662 बनाम 0.6198) के साथ मजबूत डिटेक्शन क्षमताएं दिखाता है, जिसमें मीडियन लोकलाइजेशन लेटेंसी 80ms (एक टोकन) है।

महत्व और दावे

पेपर का दावा है कि एक फिक्स्ड, क्लोज्ड-फॉर्म ट्रांसपोर्ट ऑपरेटर के माध्यम से कार्डिएक-फेज समरूपता को स्पष्ट रूप से एनकोड करने से एक ऐसी लेटेंट ज्योमेट्री प्राप्त होती है जो है:

पठनीय और पैरामीटर-एफिशिएंट: यह स्केल के माध्यम से सीखने के बजाय विश्लेषणात्मक रूप से फिजियोलॉजिकल स्ट्रक्चर इंजेक्ट करके एक छोटे पैरामीटर फुटप्रिंट (~1M) के साथ उच्च डायग्नोस्टिक प्रदर्शन प्राप्त करता है।
फिजियोलॉजिकल रूप से ग्राउंडेड: लेटेंट स्पेस सीधे एक मापने योग्य शारीरिक मात्रा (कार्डिएक फेज) से जुड़ा हुआ है, जो यह सुनिश्चित करता है कि प्रतिनिधित्व हृदय की चक्रीय प्रकृति का सम्मान करता है।
डायग्नोस्टिक यूटिलिटी: फेज-इक्विवैरिएंट संगठन नैदानिक रूप से उपयोगी जानकारी को सुरक्षित रखता है, जिससे प्रतिनिधित्व डाउनस्ट्रीम कार्यों के लिए अधिक लीनियरली सुलभ हो जाता है।

लेखक इस बात पर जोर देते हैं कि यह कार्य ECG रिप्रेजेंटेशन लर्निंग के अंतर को भरता है क्योंकि यह सीखे गए लेटेंट स्पेस पर फेज इक्विवैरिएंस लागू करता है, जो कि हेल्थकेयर-विशिष्ट मॉडलों में पहले अनोoccupied था। वे निष्कर्ष निकालते हैं कि यह दृष्टिकोण चक्रीय बायोसिग्नल्स के लिए व्यापक वर्ग के फेज-इक्विवैरिएंट वर्ल्ड मॉडल्स के द्वार खोलता है जहाँ फिजियोलॉजिकल स्ट्रक्चर को विश्लेषणात्मक रूप से इंजेक्ट किया जाता है। निष्कर्षों को एक नियंत्रित इन-स्टडी तुलना के रूप में प्रस्तुत किया गया है, जो फेज-ट्रांसपोर्ट मैकेनिज्म के अलगाव में लाभ स्थापित करता है, बिना सभी बाहरी डेटासेट्स या तैनात क्लिनिकल सिस्टम पर तत्काल श्रेष्ठता का दावा किए।

समस्या विवरण

कार्यप्रणाली: WINDER

मुख्य परिणाम

महत्व और दावे

इसी तरह के और पेपर