⚡ electrical engineering

QiVC-Net: Quantum-Inspired Variational Convolutional Network, with Application to Biosignal Classification

本文介绍了 QiVC-Net，这是一种新型的量子启发式变分卷积网络，它利用一种可微旋转集成机制来建模结构化不确定性而不增加参数，在基准生物信号数据集的心音图分类任务上实现了最先进的性能。

原作者： Amin Golnari, Jamileh Yousefi, Reza Moheimani, Saeid Sanei

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Amin Golnari, Jamileh Yousefi, Reza Moheimani, Saeid Sanei

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

大局观：教计算机聆听心跳

想象一下，你正在尝试教一台计算机去聆听心跳声（具体来说，是被称为 PCG 的心音），以此来判断一个人是健康还是患有疾病。这非常困难，因为心跳声非常杂乱。它们经常被背景噪音（如婴儿哭声、交通噪音或医生的说话声）所覆盖，而且每个人的心跳声也略有不同。

大多数执行此类任务的计算机程序都像是确定性的机器人：它们观察一段声音，做出一个单一的猜测，然后说：“这是正常的”或“这是异常的”。它们并不真正了解自己有多大的把握。如果声音很奇怪或者噪音很大，机器人即使在错误的情况下，仍可能以 100% 的信心给出判断。这在医学领域是非常危险的。

本文作者构建了一种新型的计算机大脑，称为 QiVC-Net。它不再是一个僵化的机器人，而更像是一位睿智且谨慎的医生，在做出决定之前会考虑多种可能性。

核心秘诀：“量子启发式”的舞蹈

本文的核心创新在于其计算机大脑中一个特殊的层，称为 QiVConv。为了理解它的工作原理，我们使用一个类比。

1. 旧方法：盲目投掷飞镖

标准的“概率性”计算机模型试图通过在计算中加入随机噪声来处理不确定性，这有点像蒙着眼睛向靶子投掷飞镖。它们可能会向左偏一点、向右偏一点或向上偏一点。但这些投掷是无结构的——它们只是随机的混沌。这有时会使计算机感到困惑或使其变得不稳定。

2. 新方法：“量子”舞池

作者提出的新方法称为 QiRE（量子启发旋转集成），它与众不同。想象一下，计算机内部的权重（即它用来判断心跳的规则）是舞池中的舞者。

旋转（The Rotation）： QiRE 机制并不是盲目地投掷飞镖，而是将整组舞者作为一个整体进行协同旋转。
类比： 想象一群舞者手拉手围成一个圈。如果你旋转整个圆圈，每个人都会随之移动，但他们依然保持连接并维持队形。他们不会散架。
为什么重要： 这种“旋转”的设计灵感来源于粒子在量子物理学中的行为（特别是“酉演化”）。它确保了当计算机在思考中引入不确定性时，是以一种尊重数据形状和结构的方式进行的。它保持了问题的“几何结构”完整。

结果： 计算机不仅仅是在进行猜测；它是在探索一个在逻辑上相互关联的“可能性云团”。这有助于它理解不确定性的“形状”，而不仅仅是添加随机静电。

架构设计：双向通道

论文还引入了一个特殊的构建模块，称为 RFR（反转融合残差）块。

问题： 心跳是有节奏的。它们是“咚-哒，咚-哒”。如果你只从头到尾听一段声音，你可能会错过某种模式。
解决方案： RFR 块就像一条双向车道。
1. 前向路径： 它从头到尾聆听心跳。
2. 后向路径： 它以逆序（从尾到头）聆听完全相同的这段心跳。
3. 融合： 它利用一个记忆单元（LSTM）将这两个视角结合起来，以理解心跳的完整故事。

通过正向和反向两种方式聆听声音，该模型捕捉到了心跳的“时间对称性”，从而能更好地发现异常情况。

训练过程：从错误中学习

该计算机在两个大规模心音录音集上进行了训练：

CinC (2016)： 包含来自各类诊所的成年人心音混合数据。
CirCo (2022)： 一个庞大的儿童心音集合，这类数据通常噪声极大且极难处理。

模型必须处理“类别不平衡”问题。想象一个教室，其中 80% 的学生是健康的，只有 20% 的学生是生病的。如果老师仅仅通过猜“所有人都是健康的”来获得 80% 的正确率，那么他就会漏掉所有生病的孩子。因此，QiVC-Net 使用了一种特殊的“损失函数”（评分系统），对漏掉生病孩子的行为进行严厉惩罚，迫使它学会如何识别那些罕见的异常声音。

结果：高性能且沉稳的模型

当作者测试 QiVC-Net 时，结果令人印象深刻：

准确率： 在两个数据集上，它识别心脏状况的正确率达到了 97.8% 至 97.9%。这优于许多以往的方法。
鲁棒性（稳健性）： 即使研究人员在心音中加入了人工噪声（类似于收音机的静电噪音），模型的表现依然稳定。其性能仅轻微下降，显示出极强的稳定性。
校准度（“信心”检查）： 这是最重要的一部分。论文表明，该模型是经过良好校准的。
- 类比： 如果一个标准模型说“我有 90% 的把握这是疾病”，它实际的正确率可能只有 70%。它是过度自信的。
- QiVC-Net： 如果它说“我有 90% 的把握”，那么它实际的正确率确实接近 90%。它知道自己何时是不确定的。这对于医疗安全至关重要。

结论摘要

论文声称，通过使用这种量子启发式旋转（QiRE）和双向聆听（RFR）架构，他们创建了一个能够：

高精度检测心杂音的系统。
比旧模型更好地处理现实世界中的噪声数据。
提供可靠的“置信度评分”，让医生知道何时可以信任计算机的答案。
在实现上述功能的同时，无需消耗大量的额外计算资源或增加过多的参数。

作者强调，这是一个概率性方法，这意味着它直接将不确定性建模进卷积的数学运算中，而不是仅仅靠猜测和碰运气。

技术摘要：QiVC-Net：量子启发式变分卷积网络

问题陈述

概率深度学习对于提高生物医学信号分析等安全关键领域的模型可靠性和鲁棒性至关重要。然而，现有的贝叶斯深度学习框架通常依赖于简单的各向同性噪声模型或均值场假设，这些假设无法捕捉高维参数空间中固有的结构化、几何感知型变异性。这种局限性导致了校准不佳的不确定性估计，特别是在现实世界生物信号常见的分布偏移情况下。

具体而言，在心音图（PCG）分类中，面临的挑战包括低信噪比、高患者间差异性、环境伪影以及正常与异常心音之间的显著类别不平衡。虽然深度学习模型（CNN、RNN、Transformer）已提升了性能，但它们往往缺乏鲁棒的不确定性量化和可解释性，而这对于临床决策支持至关重要。

方法论

本文介绍了一种名为 QiVC-Net 的学习框架，该框架集成了概率推理、变分优化以及受量子变换启发的几何保持操作原则。其核心创新是 量子启发式旋转集成（QiRE） 机制，并将其实例化于 量子启发式变分卷积（QiVConv） 层中。

核心组件

QiVConv 层（量子启发式变分卷积）：
- 机制： QiVConv 不向卷积核权重注入无结构的高斯噪声，而是对卷积权重进行可微的低维子空间旋转。
- 过程：
  - 将卷积核权重向量化为一个单一的全局向量。
  - 通过对高斯矩阵进行 QR 分解生成一个随机子空间。
  - 采样噪声，将其归一化至单位超球面（类比于量子态），并在该子空间内进行结构化幺正旋转（Haar 测度）。
  - 将旋转后的噪声与原始噪声的正交分量（子空间交换）相结合，以创建最终的结构化扰动。
  - 可选的去极化噪声用于模拟退相干效应。
- 优势： 这种方法保留了权重空间的内在几何结构和范数，从而实现了结构化的不确定性建模，且除了均值和标准差之外，不会引入额外的可学习参数。它避免了各向同性扰动带来的不稳定性。
反转融合残差（RFR）模块：
- 为了解决 PCG 信号中的时间相干性问题，网络引入了 RFR 模块。
- 这些模块通过双路径处理输入：一条前向路径和一条时间反转的后向路径，两者均利用 QiVConv 层。
- 输出通过 LSTM 层和残差连接（拼接加精炼）进行融合，以捕捉双向时间依赖性和生理动力学特征。
训练策略：
- 模型使用结合了分类交叉熵（CCE）和 Dice Loss 的复合损失函数进行训练，并采用动态权重处理类别不平衡问题。
- 通过针对单位高斯先验的 Kullback–Leibler（KL）散度进行变分推理正则化。
- 该框架在实数向量空间上运行，利用 QR 分解和正交 Haar 旋转，避免了复数运算的计算开销，同时模拟了幺正演化。

核心贡献

作者总结了其贡献如下：

QiVConv 层： 一种概率卷积层，通过引入保范数的子空间旋转来增强不确定性校准，同时保持内核的表达能力。
QiRE 采样： 一种结构化随机扰动机制，对权重进行可微的幺正启发式旋转，从而在无需复数运算的情况下实现类贝叶斯推理。
不确定性感知双路径架构： 将 QiVConv 与 RFR 模块集成，以捕捉 PCG 信号中的双向时间动态，且不增加额外的可学习参数。
临床对齐设计： 一个计算高效的框架，统一了不确定性量化、对信号变化的鲁棒性以及时间相干性，为可靠的基于 PCG 的决策支持提供支持。

实验结果

该框架在两个基准数据集上进行了评估：PhysioNet CinC 2016（成年人，异质性条件）和 PhysioNet CirCor DigiScope 2022（儿童，多中心记录）。

性能： QiVC-Net 在这两个数据集上均达到了最先进的性能。
- CinC： 准确率 97.84%，特异性 98.14%，敏感性 96.89%，F1 分数 95.60%。
- CirCor： 准确率 97.89%，特异性 99.27%，敏感性 92.34%，F1 分数 95.55%。
鲁棒性： 在变化的信噪比（SNR）下，模型保持了高判别能力（AUC）和准确率，在噪声增加时表现出平滑的性能下降。
校准度： 可靠性图表显示预测具有良好的校准性，且期望校准误差（ECE）较低，展示了适用于模糊信号的保守且具备不确定性感知能力的行为。
消融研究：
- 对比确定性模型： 所有变分方法均优于确定性基准。
- 对比标准变分法： 结构化的 QiRE 机制在准确率和 F1 分数上始终优于标准均值场高斯噪声（高斯变体）以及建立的贝叶斯基准（Flipout、重参数化）。
- 子空间维度： 敏感性分析表明，在子空间维度 $k \in [3, 9]$ 时性能稳定，其中 $k=5$ 被确定为准确率与计算成本之间的最佳平衡点。

意义与主张

论文声称 QiVC-Net 提供了一个通用的框架，用于推进现实世界生物信号分析中的不确定性感知建模。其意义在于：

几何保持型不确定性： 通过借鉴幺正演化的数学类比，该方法能够实现结构化的不确定性建模，使其尊重参数空间的内在几何结构，从而比各向同性噪声模型提供更具校准性的预测。
高效性： 该方法在不增加显著计算负担或额外可学习参数的情况下实现了这些增益，使其适用于轻量化部署。
临床相关性： 该框架解决了 PCG 分析中的关键挑战，如噪声、类别不平衡以及对可靠置信度估计的需求，为心血管疾病检测提供了一个鲁棒的工具。
泛化能力： 在不同数据集（成年人 vs 儿童，受控环境 vs 噪声环境）上的一致表现，突显了该框架在更广泛的生物信号分析领域应用的潜力。

作者指出，尽管该方法在概念上受到量子力学的启发，但它完全在经典硬件上运行，使用实值运算，弥合了理论量子优势与实际深度学习实现之间的鸿沟。