🤖 machine learning

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

MedMamba 是一种端到端架构，它集成了多尺度卷积嵌入、用于处理非平稳性的三分支微分状态空间编码器以及可学习的空间图 Mamba 模块，从而以线性计算复杂度在医学时间序列分类中实现最先进的性能。

原作者： Da Zhang, Bingyu Li, Zhiyuan Zhao, Hongyuan Zhang, Junyu Gao, Xuelong Li

发布于 2026-05-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Da Zhang, Bingyu Li, Zhiyuan Zhao, Hongyuan Zhang, Junyu Gao, Xuelong Li

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

以下是关于MedMamba论文的通俗化解释，辅以日常类比。

宏观概览：MedMamba 是什么？

想象一下，你正试图在一个非常嘈杂的房间里听清一段对话。说话的人（患者的身体）正通过他们的声音（如心跳或脑电波等医疗时间序列数据）向你传递关于其健康状况的重要线索。

然而，聆听这种“声音”存在三个大问题：

声音的速度会变化：有时说话者以短促、尖锐的 bursts 说话；有时则以漫长、缓慢的节奏说话。
房间在晃动：背景噪音不仅仅是静止的；地板在倾斜，音量也在缓慢上升或下降（这被称为“基线漂移”）。
说话者是相互关联的：如果群体中的一个人开始咳嗽，其他人可能会做出反应。你需要理解他们如何相互影响，但你没有一张关于谁与谁相连的地图。

MedMamba 是一款新设计的计算机程序，旨在聆听这些医疗信号并找出问题所在，即使信号杂乱、漂移或复杂。它通过结合三种聪明的技巧来实现这一目标。

三种聪明技巧（架构）

1. “多尺度透镜”（局部形态）

问题：标准相机可能只能看到大局，或者只能看到微小的细节。但医生需要同时看到心跳的整体形状和指示问题的微小尖峰。
MedMamba 的解决方案：想象一下，同时通过一套不同焦距的镜头观察风景。MedMamba 使用多尺度卷积嵌入。它通过不同大小的“透镜”（小、中、大）来观察信号。

小透镜：捕捉快速、尖锐的尖峰（如突然的心悸）。
大透镜：捕捉缓慢、起伏的波浪（如平稳的呼吸节奏）。
它综合了所有这些视角，确保无论线索是微小还是巨大，都不会被遗漏。

2. “三视角侦探”（处理漂移）

问题：医疗信号常受“基线漂移”影响。想象一下，即使患者的体温没有变化，温度计却在长时间内缓慢升高。这种“漂移”会掩盖真实的症状。
MedMamba 的解决方案：MedMamba 不只是聆听原始声音，而是创建信号的三个不同版本来解开谜团：

视角 A（原始）：聆听原始声音。
视角 B（差异）：这就像一位只关心变化的侦探。如果温度从 98 缓慢上升到 99，这个视角会忽略 98 和 99，只专注于上升的步幅。这抵消了缓慢的漂移。
视角 C（频率）：这个视角聆听声音的“音高”。它忽略音量，专注于节奏（就像将鼓点与旋律分离）。
MedMamba 随后使用一个智能的“守门人”来决定在任一时刻哪个视角最有用。如果信号发生漂移，它会更信任“差异”视角；如果信号稳定，它则更信任“原始”视角。

3. “动态制图师”（通道交互）

问题：医疗设备拥有许多传感器（通道）。在脑电图（EEG）中，传感器 A 可能与传感器 B 对话，但只是有时。传统方法使用固定的连接图（预先绘制的图表）来表示传感器如何连接。但在现实中，大脑的连接会根据具体时刻和具体患者而变化。
MedMamba 的解决方案：MedMamba 不使用预先绘制的地图，而是充当动态制图师。

对于每一次患者记录，它都会绘制一张新的传感器相互对话的地图。
它实时学习这张地图。
规则：为了防止地图变得混乱（到处都是线条），它强制地图保持稀疏（只绘制重要线条）和无环（没有回路）。这就像单向街道系统：信息从 A 流向 B，但不会绕圈回到 A，从而保持逻辑清晰稳定。

它们如何协同工作

将 MedMamba 想象成一个超级高效的侦探团队：

透镜团队通过缩放镜头来寻找各种大小的线索。
侦探团队从三个角度（原始、仅变化、仅节奏）审视线索，以忽略背景噪音和晃动的地板。
制图团队为每一个案例绘制一张全新的、简化的“谁在与谁对话”的地图，确保没有人陷入循环对话。

最后，他们综合所有笔记以做出诊断。

为什么这比旧方法更好？

旧方法（Transformer）：就像试图阅读整个图书馆的书籍来寻找一句话。它很强大，但非常缓慢且昂贵（二次复杂度）。
旧方法（标准图）：就像使用一张永不改变的静态印刷城市地图。当交通模式（信号连接）发生变化时，它就会失效。
MedMamba：它能快速阅读图书馆（线性速度），并为每一个新的街道布局绘制一张新地图。

结果（论文声称）

作者在五个真实世界的医疗数据集上测试了该系统（包括阿尔茨海默病的脑电波和心脏病发作的心律）。

性能：它在准确率上击败了所有其他顶级方法（最先进水平）。
鲁棒性：当他们在数据中人为添加“漂移”（噪音）时，MedMamba 仍能保持良好工作，而其他方法则失败了。
缺失传感器：即使他们“关闭”了一些传感器（模拟设备故障），MedMamba 仍然能够找出连接并诊断患者，而使用固定地图的方法则难以应对。
速度：它运行迅速，不需要超级计算机，使其在实际医院中具有实用性。

简而言之，MedMamba 是一种更智能、更快速、更适应性的方式，让计算机能够聆听身体的信号并发现真相，即使信号杂乱或漂移。

技术摘要：MedMamba

问题陈述

医疗时间序列（MedTS）分类对于临床决策支持至关重要，然而现有方法难以同时应对以下三个主要挑战：

局部 - 全局动态特性：模型必须能够捕捉具有判别性的局部形态特征（例如尖锐的尖峰），同时建模长程时间依赖关系。
非平稳性：真实世界的记录常受基线漂移和采集伪影的影响。这些缓慢的漂移会掩盖诊断模式并降低泛化能力，特别是在独立于受试者的评估设置中。
潜在通道交互：多通道记录（如 EEG、ECG）包含跨通道交互中的诊断线索。然而，这些依赖关系通常是动态的且特定于样本的，使得预定义的生理解剖图不足或不准确。

现有方法，如 CNN（在长程建模方面受限）、Transformer（二次复杂度）以及标准图神经网络（通常依赖静态图或缺乏非平稳性处理能力），无法高效地平衡这些需求。

方法论

作者提出了MedMamba，这是一种将状态空间模型（SSMs）与领域特定的归纳偏置相结合端到端架构。该架构由三个核心组件组成：

1. 多尺度卷积嵌入（MCE）

为了捕捉不同时间尺度上具有判别性的局部形态，MedMamba 采用具有不同核大小（例如， $k \in \{3, 5, 7\}$ ）的并行深度时间卷积。这些特征被拼接并投影到隐藏维度，在输入到 SSM 骨干网络之前，提供保留局部波形细节的丰富初始表示。

2. 三分支微分状态空间编码器（TDSSE）

为了缓解非平稳性和基线漂移，模型通过三个互补的时间视图并行处理输入，并通过可学习的门控机制将它们融合：

原始视图：双向 Mamba 块处理原始信号以捕捉长程上下文。
微分视图：输入被转换为一阶差分（ $\Delta X_t = X_t - X_{t-1}$ ）。这充当高通滤波器，抑制缓慢变化的基线漂移并强调动态变化。
频域视图：在频域（通过 FFT）应用可学习的谱调制，以隔离信息丰富的节奏带（例如 EEG 节律），同时衰减伪影。
这三个分支使用局部逐元素门控（用于去噪）和全局视图选择门控进行融合，使模型能够针对给定片段动态地优先处理信息量最大的视图。

3. 空间图 Mamba（SGM）模块

为了在不依赖预定义生理解剖图的情况下建模潜在的跨通道依赖关系，MedMamba 引入了一种样本条件的自适应图学习机制：

图学习：对于每个输入样本，模型通过将池化的通道表示投影到“源”和“目标”潜在空间中来学习有向邻接矩阵 $A$ 。这使得依赖结构能够适应特定的样本特征。
结构先验：为了确保鲁棒性和可解释性，学习到的图通过两个约束进行正则化：
- 稀疏性（ $L_1$ 范数）：鼓励稀疏的依赖结构以过滤噪声。
- 无环性（DAG 约束）：使用迹指数惩罚（ $\text{tr}(e^{A \odot A}) - C$ ）来强制有向无环图结构，防止不稳定的循环反馈回路。
空间融合：该模块结合了图扩散路径（沿学习到的有向边传播信息）和通道级 SSM 路径（建模全局空间依赖关系），并通过自适应门控将它们融合。

整个系统通过交叉熵损失并辅以图结构正则化项进行端到端训练。

主要贡献

MedMamba 架构：一个新颖的框架，将 SSM 与医疗领域的归纳偏置（多尺度形态、多视图时间编码和自适应图学习）相结合，用于高效且鲁棒的 MedTS 分类。
三分支微分编码器：一种通过融合原始、微分和频域视图来显式解决非平稳性的机制，显著提高了对基线漂移的鲁棒性。
自适应空间图模块：一种数据驱动的方法，用于学习有向、稀疏且无环的通道依赖关系，无需先验拓扑知识，从而捕捉复杂的跨通道交互。
广泛的评估：在五个真实世界医疗数据集（三个 EEG，两个 ECG）上进行了全面实验，涵盖受试者依赖和受试者独立两种协议。

实验结果

MedMamba 在五个数据集上进行了评估：ADFTD、APAVA、TDBRAIN（EEG）以及PTB、PTB-XL（ECG）。

性能：该模型在所有五个数据集上的大多数指标（准确率、F1、AUROC、AUPRC）上均取得了最先进（SOTA）的性能。值得注意的是，在具有挑战性的独立于受试者的设置中，它在所有数据集上均获得了最高的 F1 分数，证明了对未见受试者的强大泛化能力。
鲁棒性：注入受控基线漂移和模拟缺失通道的实验表明，MedMamba 的退化程度比基线模型（包括 MedGNN 和仅原始变体）更平缓，验证了 TDSSE 和自适应图学习的有效性。
效率：MedMamba 保持相对于序列长度的线性计算复杂度（ $O(T)$ 或由于 FFT 导致的 $O(T \log T)$ ），与二次复杂度的 Transformer 和重型图基模型相比，在准确性和计算成本之间提供了有利的权衡。
消融研究：移除任何组件（MCE、TDSSE 或 SGM）都会导致性能一致下降，证实了每个模块的必要性。具体而言，TDSSE 对于非平稳数据集至关重要，而 SGM 对于捕捉跨通道交互至关重要。

意义与主张

论文声称，MedMamba 通过解决当前深度学习模型在医疗时间序列分析中的特定局限性，为临床部署提供了实用解决方案。通过将线性复杂度的状态空间建模与领域特定的归纳偏置相结合，MedMamba 成功弥合了计算效率与对非平稳、多通道生理信号进行鲁棒、可解释建模的需求之间的差距。

作者强调，他们的方法不依赖大规模预训练参数或静态解剖假设。相反，它学习样本自适应的功能连接，这与生理合理性一致（如定性图可视化所示），同时保持对基线漂移等伪影的鲁棒性。这表明，在高风险医疗保健应用中，专用的轻量级架构可以超越通用大型模型，为实时、可解释的诊断监测铺平道路。