A density-adaptive spatiotemporal interaction network with Motif Matrix for premature contraction detection

技术摘要：一种用于早搏检测的基于基元矩阵（Motif Matrix）的密度自适应时空交互网络

问题陈述
房性早搏（PAC）和室性早搏（PVC）是源于异位电脉冲的常见心律失常。目前的诊断方案高度依赖临床医生对心电图（ECG）进行的人工视觉检查，这一过程耗时耗力，且由于主观解释的存在，容易产生诊断变异性。虽然机器学习（ML）和深度学习（DL）方法在自动化心电图分析方面取得了进展，但现有的方法仍面临显著挑战。传统的机器学习方法受限于对手工特征的依赖，在临床变异性下鲁棒性较差，且易于过拟合。相反，现有的深度学习架构（如 CNN、Transformer）往往无法显式地整合有关心电信号内在空间-时间信息交互的领域特定知识，从而限制了其有效建模复杂心律失常动态的能力。

方法论：NDAMM 框架
为了解决这些局限性，作者提出了一种新型的基于基元矩阵的密度自适应模型（NDAMM）。该框架旨在通过条件变分自编码器（CVAE）架构，从空间和时间两个维度提取交互信息。NDAMM 的核心由两个专门的模块组成：

1. 自适应空间交互（ASI）模块：

   • 目标： 自适应地选择参与空间维度信息交互的最佳邻域范围。
   • 机制： 模型利用**基元矩阵（Motif Matrix）来捕获融合特征。它采用多尺度特征融合策略，通过空洞空间金字塔池化（ASPP）**网络聚合不同半径（$s_1$ 到 $S$）下的基元矩阵特征。
   • 特征融合： 多头注意力机制将目标代理特征（$\psi_i$）与全局特征（$\psi_G$）以及聚合后的基元特征（$\psi^f_{M_s}$）进行整合。为了减轻池化过程中的信息损失，模型引入了源自注意力输出的统计特征（最大值、最小值和平均值）。最终的空间特征（$\Psi_{si}$）是通过融合特征与代理局部特征的 Hadamard 积获得的。

2. 自适应时间交互（ATI）模块：

   • 目标： 在时间维度上为每个代理生成交互概率。
   • 机制： 与空间模块类似，模型使用 ASPP 在时间轴（$t_1$ 到 $T$）上聚合基元矩阵。
   • 加权： **基于 ROI 的反向重加权网络（ROI-wise Reverse Reweighting Network）**根据全局轨迹特征和时间基元特征动态分配权重（$\eta$）。这使得模型能够专注于显著的时间影响。最终的时间特征（$\Psi_{ti}$）是时间基元矩阵的加权和。

3. 训练与损失函数：

   • 模型使用由三个部分组成的复合损失函数进行训练：
     • 分类损失（$L_{CLS}$）： 用于预测 PAC、PVC 或正常窦性节律（NSR）的分类交叉熵。
     • 选择损失（$L_{SEL}$）： 用于使潜在交互选择与地面真值标签对齐的二元交叉熵。
     • KL 散度（$L_{KLD}$）： 通过最小化后验分布与先验分布之间的差异来正则化潜在空间。
   • 总损失是一个加权和，其中 KL 散度的权重在训练过程中逐渐增加，以增强潜在空间的稳定性。

实验设置
NDAMM 的有效性在两个公共数据库上进行了评估：

• CPSCDB（2018年中国生理信号挑战赛）： 12 导联记录（500 Hz），切分为 2 秒片段。
• MITDB（MIT-BIH 心律失常数据库）： 双通道记录（360 Hz），切分方式相同。
• 预处理： 包括重采样至 250 Hz、基于小波的去噪以及 Z-score 标准化。
• 对比： 将提出的 NDAMM-ResNet50 与 ResNet50、ViT-ResNet50、SwinT-ResNet50 以及 DAMM-ResNet50（一种不带密度自适应的基元矩阵基准模型）进行了比较。

关键结果

• 性能： NDAMM-ResNet50 在两个数据集上均取得了优于所有对照模型的准确率。
  • CPSCDB： PAC 和 PVC 的准确率均达到 99.4%，灵敏度和特异度均超过 99.0%。
  • MITDB： PAC 和 PVC 的准确率均为 99.2%。
  • 相比现有策略，提升幅度在 0.1% 到 0.9% 之间，展示了更好的性能-复杂度权衡。
• 收敛性： 得益于防止梯度不稳定的自适应机制，模型表现出快速且稳定的收敛（22–24 个 epoch）以及低振荡特性。
• 消融实验：
  • 特征聚合： 使用**空洞空间金字塔池化（ASPP）**的效果优于标准 SPP 或深度可分离金字塔池化，这归功于在不增加复杂度的前提下有效地扩大了感受野。
  • 统计特征： 集成最大值、最小值和平均值统计量比使用标准差或中位数提供了更优的稳定性。
• 复杂度： 与 ML-WCNN 相比，NDAMM 的时间复杂度降低了 19.2%，空间复杂度降低了 49.0%；与 CNN-Transformer 架构相比，在保持更高或相当准确率的同时，参数量减少了 48.1%，FLOPs 减少了 60.0%。
• 可解释性： Grad-CAM 可视化证实，模型能够正确定位用于识别 PAC 的异常 P 波和用于识别 PVC 的宽大 QRS 波，验证了模型捕捉临床相关形态变化的能力。

意义与主张
论文声称，NDAMM 通过一个密度自适应框架，通过显式建模时空信息交互，在自动化心电图分类方面取得了显著进展。其主要贡献包括：

1. 新型建模： 引入了 ASI 和 ATI 模块，利用基元矩阵动态调整空间和时间维度的邻域交互范围。
2. 性能与效率： 该模型在实现 PAC/PVC 检测达到最先进（SOTA）准确率的同时，其计算足迹（更少的参数和 FLOPs）显著低于现有的 Transformer 和复杂的 CNN 架构。
3. 可解释性： 可视化分析确认，模型的注意力机制与临床诊断标准（如 PAC 的 P 波形态、PVC 的 QRS 宽度）相一致，表明其在癫痫预测等更广泛领域具有应用潜力。

作者总结道，虽然目前的实现侧重于使用单导联分析进行 PAC 和 PVC 检测，但该框架的高计算效率使其适用于轻量级嵌入式系统和边缘计算应用。未来的工作计划将该模型扩展到多导联配置和其他生物信号领域。