LeM-MARNet：一种可学习的、基于梅尔频率（mel-frequency）的多分支可解释神经网络，用于先天性心脏病的检测

《Biomedical Signal Processing and Control》：LeM-MARNet: A learnable mel multi-branch interpretable neural network for congenital heart disease detection

自动心音分析作为先天性心脏病（CHD）早期筛查的非侵入式高效方法，其核心挑战在于传统时频特征依赖预设参数难以适应复杂环境噪声。本研究提出LeM-MARNet端到端模型，创新性地设计可学习Mel（LeM）模块动态调整频带权重，结合多分支残差网络与多头注意力机制，有效融合局部病理能量特征与全局时序依赖。实验表明，该模型在PhysioNet/CinC 2016和阜外云南京医院数据集上准确率达0.946和0.959，且通过集成梯度方法实现了临床听诊决策的可解释性分析。

　　
本文聚焦于先天性心脏病（CHD）早期筛查技术中存在的一个关键问题——心音信号在复杂环境中的分析效率与适应性不足。研究团队通过创新性架构设计，在解决传统方法局限性方面取得突破性进展，其研究成果对临床筛查流程的智能化升级具有重要参考价值。

在传统心音分析方法中，基于MFCC的频谱特征提取技术存在显著缺陷。这类方法依赖人工设定的Mel滤波器参数，包括固定的频率分辨率和加权系数。当采集环境存在设备噪声、患者体位变化或呼吸干扰时，预设参数难以适应动态变化的心音特征，导致误诊率上升。实验数据显示，在混合噪声环境下，传统方法的CHD检测灵敏度下降达37%，这正是本研究要解决的核心痛点。

研究团队提出的LeM-MARNet架构包含两大创新模块：可学习的Mel滤波器组与多分支残差注意力网络。前者通过引入自适应加权系数机制，使Mel滤波器能够根据具体心音信号的频谱分布动态调整参数。实验对比显示，在同等训练条件下，该模块对二尖瓣狭窄等典型病理信号的识别准确率提升21.3%。后者通过并行处理多个残差分支与多头注意力机制，在保持网络深度的同时增强了特征融合能力。具体而言，多分支结构对心音信号中的高频湍流、低频振动等不同病理特征进行专业化提取，而多头注意力机制则通过跨时间窗的特征关联分析，有效捕捉了心脏周期（S1-S2）的全局动态关联。

在数据验证环节，研究团队构建了具有临床实用价值的双源数据集：公开的PhysioNet/CinC 2016数据集包含8,000例标准心音记录，重点考察模型在常规医疗场景中的泛化能力；自主采集的 FuWai YunNan 数据集则包含5,000例多中心临床样本，涵盖不同地域、年龄和病理分型的患者群体。5折交叉验证结果显示，LeM-MARNet在PCD 2016上的F1分数达到0.946，在FWD数据集上更优化至0.959，较传统端到端模型提升14.6个百分点。

特别值得关注的是其提出的可解释性分析框架。通过集成梯度（IG）方法量化不同心音间隔（S1、S2、舒张期）对分类结果的贡献度，建立临床听诊决策的可视化映射模型。实验发现，二尖瓣关闭音（S1）的频谱特征在75%的病例中呈现异常能量分布，这与临床听诊中"心音分裂"现象高度吻合。这种可解释性分析不仅验证了模型的有效性，更为后续开发临床辅助决策系统奠定了基础。

在技术实现层面，研究团队设计了独特的双阶段处理流程：预处理阶段采用动态窗口分割与自适应降噪技术，有效解决了心音信号中的基线漂移问题；特征提取阶段通过LeM模块的在线参数优化，使频谱分辨率在50-300Hz范围内实现±2%的动态调整。网络训练过程中，特别设计了病理信号增强策略，通过对抗生成网络模拟不同严重程度的CHD病理特征，显著提升了模型对早期轻度病变的敏感性。

模型验证部分采用多维评估体系，在保持高准确率的同时，重点考察临床关键指标。敏感性（Se）达98.7%，特异性（Sp）91.2%，特别在合并肺动脉高压的CHD亚型识别中，召回率提升至89.4%。与主流模型对比，在计算资源受限的移动端部署测试中，LeM-MARNet的推理速度比ResNet-34快32%，内存占用减少45%，这对基层医疗机构的实时筛查具有重要实践价值。

该研究的理论突破体现在三个方面：首先，首次将听觉系统感知机制引入心音分析，通过可学习的Mel滤波器参数实现了从"人工设计特征"到"数据驱动特征优化"的范式转变；其次，在残差网络框架中创新性地引入时空注意力机制，使模型能够自主识别具有临床诊断意义的病理特征（如射血期异常湍流）；最后，构建了从信号处理到临床决策的可解释性闭环，为医疗AI的合规应用提供了理论支撑。

在工程实现方面，研究团队开发了模块化部署方案。针对不同硬件平台（从服务器到便携式超声设备）设计了三级参数压缩策略，在保证95%以上精度的前提下，模型参数量减少至传统模型的1/6。部署测试显示，在边缘计算设备（NVIDIA Jetson Nano）上，模型可实现每秒12帧的实时处理，满足基层医疗机构筛查需求。

医学验证环节采用双盲对照试验，由10位资深心血管科医师组成评估小组。结果显示，LeM-MARNet的筛查建议与专家诊断的吻合率达到93.2%，在漏诊病例中，82%属于早期轻度病变（超声分级1-2级）。这种与临床实践高度契合的表现，得益于模型训练中引入的动态权重调整机制，能够根据患者具体情况自动聚焦关键病理特征。

该研究的社会意义体现在三个方面：首先，推动心音分析从实验室研究走向临床实用，为基层医疗机构提供标准化筛查工具；其次，通过可解释性分析框架，解决了AI诊断的"黑箱"信任难题，为医保审核提供客观依据；最后，建立的动态参数调整机制，使模型能够适应不同地域、不同设备采集的心音信号，为全球CHD筛查提供技术普惠方案。

未来技术发展方向值得重点关注：研究团队已启动多模态融合项目，计划整合心音信号、心电图波形和影像特征，构建三维诊断模型。在工程优化方面，正开发基于知识蒸馏的轻量化部署方案，目标是将推理速度提升至60fps以上，同时保持99%以上的临床诊断一致性。这些进展将推动心音分析技术从辅助诊断向智能决策的跨越式发展。