面向跨域鲁棒性心电分类的多分辨率导联感知Transformer与域自适应方法

《IEEE Open Journal of the Computer Society》：Lead-Aware Multi-Resolution Transformer with Domain Adaptation for Beat-Level ECG Arrhythmia Classification

本研究针对多导联ECG信号在异源数据下分类准确性低、泛化能力差的问题，提出了一种集成导联注意力、双尺度Transformer编码器和域自适应归一化的MuRe-LAT模型。该模型在MIT-BIH和PTB-XL数据集上分别达到94.0%和88.7%的准确率，显著提升了跨域心律失常识别的鲁棒性，为临床实时诊断提供了高效可靠的解决方案。

　　

在心血管疾病日益成为全球主要健康威胁的背景下，心电图（Electrocardiogram, ECG）分析作为早期诊断和持续监测的重要手段，其自动化与智能化水平直接关系到诊疗效率的提升。然而，当前基于深度学习的ECG分类方法仍面临诸多挑战：来自不同设备的多导联信号形态存在显著差异，临床与动态心电数据分布不一致导致模型泛化能力不足，以及罕见心律失常类别样本稀缺造成的分类偏差等。这些瓶颈严重制约了人工智能辅助诊断系统在真实医疗场景中的落地应用。

为解决上述问题，由Masuduzzaman Niloy等研究人员在《IEEE Open Journal of the Computer Society》上发表了题为"Lead-Aware Multi-Resolution Transformer with Domain Adaptation for Beat-Level ECG Arrhythmia Classification"的研究论文。该研究创新性地提出了MuRe-LAT（Multi-Resolution Lead-Aware Transformer）架构，通过集成导联感知注意力机制、双尺度时间建模和域自适应归一化策略，实现了对心跳级别心律失常的精准、鲁棒分类。

研究人员采用了几项关键技术方法：首先构建统一的数据预处理流程，对MIT-BIH（2导联）和PTB-XL（12导联）数据集进行重采样、分段和标签对齐；设计包含卷积特征提取、导联注意力加权、局部-全局Transformer编码的混合架构；引入基于掩码信号建模的自监督预训练策略增强表示学习；采用域特定批归一化（BN-switch）缓解数据集分布差异。研究队列包含MIT-BIH的48条记录和PTB-XL的21,799条临床记录。

模型架构设计

MuRe-LAT采用三级处理流程：卷积茎干提取局部波形特征，导联注意力模块动态加权各通道贡献度，双尺度Transformer（局部4层+全局8层）捕获短长程时间依赖，域自适应BN层针对不同数据集切换统计量。该设计使模型能同时感知QRS波群形态细节和心律整体动态。

性能评估结果

在MIT-BIH数据集上，MuRe-LAT取得94.0%准确率、88.4%宏F1值、96.2%AUROC和91.6%PR-AUC，优于ResNet-1D、BiLSTM等基线模型。对PTB-XL临床数据达到88.7%准确率，验证了其跨设备适应性。特别在室性（V类）和室上性（S类）心律失常检测中分别获得85.3%和88.2%的F1分数，显示出对高危心律的敏感识别能力。

训练动态分析

如图3所示，MuRe-LAT在20轮训练中展现出更快的收敛速度和更稳定的泛化性能，验证损失最终降至0.22，显著低于对比模型。其导联注意力机制有效抑制了MIT-BIH数据中零填充通道的干扰，仅带来3%额外计算开销。

跨域泛化能力

当使用PTB-XL训练后直接测试MIT-BIH数据时，模型保持91.7%的准确率，反向跨域测试也达到85.9%，证明其强大的分布偏移适应能力。消融实验表明，移除自监督预训练会使宏F1值下降3.1个百分点，凸显了掩码重建任务对表征学习的重要性。

混淆矩阵分析

图5显示主要误分类发生在形态相似的融合搏动（F类）与室性搏动（V类）之间，符合临床诊断难点。模型对正常搏动（N类）的识别精度达94.5%，为安全监测提供了可靠基础。

计算效率评估

模型参数量为12.3M，单次10秒ECG推理耗时8.4毫秒，在保持高精度的同时满足实时处理需求，适合部署于便携式医疗设备。

该研究的核心创新在于首次将导联异构性处理、多分辨率时间建模和域自适应学习统一于Transformer框架内。其提出的BN-switch机制为多中心医疗数据协同训练提供了新思路，而双尺度编码结构有效平衡了局部特征与全局上下文的关系。尽管在可解释性和患者级校准方面仍需完善，但MuRe-LAT为构建真正适用于临床环境的ECG智能诊断系统迈出了关键一步，为未来联邦学习扩展和穿戴设备应用奠定了技术基础。