MSAIC-Net: 多尺度注意力与不平衡感知对比网络用于基于心电图的心肌基质异常检测

# MSAIC-Net：一种基于多尺度注意力与不平衡感知对比网络的心电图心肌基质异常检测  
来源：https://arxiv.org/html/2606.06718  

Fenglin Zhang、Derek Bivona、Cristiane Singulane、Jonathan Pan、Kenneth Bilchick、Amit R. Patel、Jianxin Xie  

###### 摘要  
心肌基质异常（如心肌瘢痕和心肌梗死（MI））与不良心血管结局相关。心电图（ECG）提供了一种低成本且广泛可用的检测手段，但基于ECG的检测仍面临挑战，包括导联依赖性表现的异质性、高维多导联信号、类别不平衡以及深度学习模型的可解释性有限。我们提出了一种多尺度注意力增强卷积网络（MSAIC-Net），用于基于ECG的心肌基质异常检测。MSAIC-Net采用并行空洞卷积分支，在多个时间感受野上提取ECG特征。然后使用通道注意力自适应地重新加权信息性导联和特征通道表示。为了解决类别不平衡问题并提高特征可分性，我们引入了一种新颖的不平衡感知监督对比学习策略，鼓励同一类别的样本形成紧凑表示，同时增加异常与正常样本之间的分离。进一步引入导联级置换重要性，量化每个ECG导联的贡献并提高模型可解释性。所提方法在两个互补数据集上进行了评估：弗吉尼亚大学（UVA）医疗系统的低数据量机构队列用于心肌瘢痕分类，以及PhysioNet的大规模公开PTB-XL数据集用于MI识别。实验结果表明，MSAIC-Net优于基线模型，在低数据量的UVA队列中改善尤为显著。总体而言，所提框架为基于ECG的心肌基质异常检测提供了一种有效且可解释的方法。  

###### 关键词：心电图、心肌基质异常、多尺度卷积网络、类别不平衡、监督对比学习、置换重要性  

††期刊：Biomedical Signal Processing and Control  

\affiliation\[label1\]organization=弗吉尼亚大学数据科学学院，城市=夏洛茨维尔，邮编=22903，州=VA，国家=USA  
\affiliation\[label2\]organization=弗吉尼亚大学计算机科学系，城市=夏洛茨维尔，邮编=22903，州=VA，国家=USA  
\affiliation\[label3\]organization=弗吉尼亚大学医学院，城市=夏洛茨维尔，邮编=22903，州=VA，国家=USA  

\{graphicalabstract\}![[未标注图像]](https://arxiv.org/html/2606.06718v1/x1.png)  

\{highlights\}  
- MSAIC-Net 可实现基于ECG的基质异常检测。  
- 多尺度注意力改善ECG特征表示。  
- 焦点对比学习增强类别可分性。  
- 导联级置换重要性支持可解释性。  

## 1 引言  

在心脏异常中，心肌基质异常（包括心肌瘢痕、纤维化以及心梗相关组织损伤）代表由缺血性、炎症性或非缺血性心肌病过程引起的心肌结构重塑[53 (https://arxiv.org/html/2606.06718#bib.bib1)]。这些异常会改变心脏组织的机械和电特性，并可能形成致心律失常基质，与不良结局（包括室性心律失常、心力衰竭进展和心源性猝死）相关[61 (https://arxiv.org/html/2606.06718#bib.bib2),1 (https://arxiv.org/html/2606.06718#bib.bib3)]。鉴于其巨大的临床和公共卫生负担，早期检测心肌基质异常对于预防不良临床结局至关重要[16 (https://arxiv.org/html/2606.06718#bib.bib41),5 (https://arxiv.org/html/2606.06718#bib.bib42),10 (https://arxiv.org/html/2606.06718#bib.bib43)]。  

心肌基质异常通常通过心脏成像进行评估。在现有模态中，晚期钆增强心脏磁共振（LGE-CMR）广泛用于无创心肌组织特征描述，被认为是评估局灶性瘢痕、替代纤维化和梗死相关心肌损伤的参考标准[25 (https://arxiv.org/html/2606.06718#bib.bib46),42 (https://arxiv.org/html/2606.06718#bib.bib44)]。LGE-CMR可以表征异常心肌组织的存在、程度和空间分布，这对于诊断和治疗规划很重要。然而，常规LGE-CMR筛查受到高成本、扫描仪可用性和造影剂需求的限制，导致适用性有限[25 (https://arxiv.org/html/2606.06718#bib.bib46),58 (https://arxiv.org/html/2606.06718#bib.bib45)]。  

由于心肌基质异常会干扰去极化和复极化，其影响可能反映在体表心电图（ECG）上，例如异常QRS形态、病理性Q波、ST-T改变或其他导联依赖性电模式[61 (https://arxiv.org/html/2606.06718#bib.bib2),23 (https://arxiv.org/html/2606.06718#bib.bib21)]。因此，ECG提供了一种低成本且广泛可用的模态，在心肌基质异常的筛查和风险评估中具有潜在价值。  

传统的基于ECG的心梗或瘢痕相关异常检测主要依赖于视觉定义或手工制作的ECG特征[43 (https://arxiv.org/html/2606.06718#bib.bib19),62 (https://arxiv.org/html/2606.06718#bib.bib18)]。尽管这些特征在临床上具有意义，但它们可能无法完全捕捉复杂的基质相关ECG表现，这些表现可能是细微的、空间异质的，并依赖于异常基质的位置和范围[72 (https://arxiv.org/html/2606.06718#bib.bib47),44 (https://arxiv.org/html/2606.06718#bib.bib20)]。随着机器学习和深度学习的发展，数据驱动方法越来越多地被探索用于从ECG信号中自动检测心肌梗死及相关异常。与手工特征方法相比，深度学习模型可以直接从原始或最小预处理的ECG波形中学习判别性表示。例如，基于卷积神经网络（CNN）的模型已被广泛用于从ECG信号中提取局部时间模式，并在自动ECG诊断和MI检测中显示出有前景的性能[72 (https://arxiv.org/html/2606.06718#bib.bib47),52 (https://arxiv.org/html/2606.06718#bib.bib61)]。  

尽管取得了这些进展，基于ECG的心肌基质异常检测仍然面临几个重要挑战。许多现有的基于CNN的ECG模型依赖于固定大小的卷积核或固定感受野，这可能限制它们捕捉发生在不同时间尺度上的瘢痕相关ECG模式的能力[32 (https://arxiv.org/html/2606.06718#bib.bib69),19 (https://arxiv.org/html/2606.06718#bib.bib17)]。例如，基质异常可能引起QRS复合波的局部变化、碎裂传导模式、ST段偏移或更广泛的复极化异常[23 (https://arxiv.org/html/2606.06718#bib.bib21),43 (https://arxiv.org/html/2606.06718#bib.bib19)]。尽管12导联ECG提供了心脏电活动的互补视图，但标准深度学习模型可能无法充分利用导联依赖性信息，或自适应地强调最具信息量的导联和特征通道[9 (https://arxiv.org/html/2606.06718#bib.bib75)]。此外，类别不平衡是基于ECG的心肌异常检测中的关键挑战，其中不同类别的样本数量差异显著[40 (https://arxiv.org/html/2606.06718#bib.bib71)]。现有方法通常通过数据级重采样策略来解决类别不平衡，例如对少数类进行过采样、对多数类进行欠采样，或使用合成数据生成模型生成额外的少数类样本。其他方法则构建专门的模型架构[71 (https://arxiv.org/html/2606.06718#bib.bib64),50 (https://arxiv.org/html/2606.06718#bib.bib70),51 (https://arxiv.org/html/2606.06718#bib.bib72)]。然而，基于重采样的方法可能扭曲原始数据分布，合成数据生成方法可能产生生理上不真实的样本，而专门的模型设计可能增加额外的计算复杂度[12 (https://arxiv.org/html/2606.06718#bib.bib48)]。因此，在不平衡数据下学习鲁棒且判别性的表示对于可靠的基于ECG的心肌异常检测仍然至关重要。  

除了类别不平衡，模型可解释性仍然是一个重要挑战。尽管12导联ECG提供了心脏电活动的空间分布视图，但深度学习模型作为黑箱运行，对单个导联如何贡献于最终预测提供的见解有限[64 (https://arxiv.org/html/2606.06718#bib.bib15),75 (https://arxiv.org/html/2606.06718#bib.bib16),26 (https://arxiv.org/html/2606.06718#bib.bib14)]。可解释性对于心肌基质异常检测尤为重要，因为导联级模式可能反映瘢痕或梗死相关电变化的区域差异[30 (https://arxiv.org/html/2606.06718#bib.bib73)]。先前的ECG研究表明，不同ECG导联对模型预测的贡献不相等，且导联级归因可能提供关于区域心脏电异常的临床相关信息[21 (https://arxiv.org/html/2606.06718#bib.bib76),9 (https://arxiv.org/html/2606.06718#bib.bib75)]。然而，导联级可解释性在心肌基质异常检测中仍未得到充分探索，特别是在那些不是仅依赖内部注意力权重，而是训练后量化每个导联贡献的模型中[67 (https://arxiv.org/html/2606.06718#bib.bib11)]。尽管注意力机制可以指示模型在表示学习过程中如何自适应地加权特征通道，但注意力分数不一定提供每个ECG导联对最终预测贡献多少的性能估计[31 (https://arxiv.org/html/2606.06718#bib.bib12),70 (https://arxiv.org/html/2606.06718#bib.bib13)]。因此，需要训练后可解释性来直接评估每个导联的功能重要性，通过评估当导联特定信息受到扰动时模型预测如何变化[20 (https://arxiv.org/html/2606.06718#bib.bib22)]。  

为了解决上述挑战，我们提出了一种多尺度注意力增强卷积网络（MSAIC-Net），用于从类别不平衡的多导联ECG信号中检测心肌异常。所提方法整合了自适应特征加权和对比正则化，以有效地从高维多导联信号中提取与心肌疾病相关的判别性特征。我们进一步使用置换重要性进行训练后可解释性分析，以量化导联级贡献并识别对最终分类决策影响最大的ECG导联。本研究的主要贡献总结如下：  

1. 我们利用多尺度卷积操作来捕捉局部和全局时间模式，同时引入注意力机制来自适应地强调信息性导联和通道，从而增强特征表示。  
2. 为减轻类别不平衡造成的训练偏差，我们采用焦点二元交叉熵损失，并进一步提出了一种焦点加权监督对比学习策略。所提焦点对比目标在表示学习过程中为硬正例对分配更大的权重。这鼓励判别性特征嵌入，具有更好的类内紧凑性和类间可分性，从而在不平衡数据下增强心肌异常检测性能。  
3. 为增强可解释性，我们使用置换重要性进行训练后导联级可解释性分析，以量化每个ECG导联对最终分类决策的贡献。识别出的导联重要性模式提供了队列级洞察，了解哪些ECG导联对心肌基质异常检测最具信息量，并可能提供关于研究队列中所代表区域心肌异常的间接线索。  

## 2 相关工作  

早期的ECG分析主要依赖于手工设计或半自动提取的特征，这些特征由领域专业知识指导[15 (https://arxiv.org/html/2606.06718#bib.bib57),13 (https://arxiv.org/html/2606.06718#bib.bib55),28 (https://arxiv.org/html/2606.06718#bib.bib49)]。这些方法通常根据临床知识提取手工特征，例如QRS复合波形态、ST段偏移、T波异常和QT间期，通常借助信号处理技术如时频分析和降维[41 (https://arxiv.org/html/2606.06718#bib.bib50),74 (https://arxiv.org/html/2606.06718#bib.bib54),49 (https://arxiv.org/html/2606.06718#bib.bib56),57 (https://arxiv.org/html/2606.06718#bib.bib58),65 (https://arxiv.org/html/2606.06718#bib.bib40)]。这些手工特征通常与传统的机器学习模型（如支持向量机和决策树）结合用于分类任务[47 (https://arxiv.org/html/2606.06718#bib.bib51),39 (https://arxiv.org/html/2606.06718#bib.bib52),54 (https://arxiv.org/html/2606.06718#bib.bib53)]。由于这些特征与既定的临床指标密切相关，它们提供了一定程度的可解释性。然而，这些方法存在显著局限性，因为手工特征设计严重依赖专家知识，且特征提取通常费时费力[45 (https://arxiv.org/html/2606.06718#bib.bib60),17 (https://arxiv.org/html/2606.06718#bib.bib59)]。  

随着深度学习的快速发展，ECG分析已逐渐从手工特征提取转向直接从ECG信号进行表示学习。这些模型可以自动提取潜在特征，并在各种ECG分类任务中展现出优越性能。例如，卷积神经网络（CNN）是ECG分析中使用最广泛的架构之一，因为它们可以从时间序列信号中捕捉局部形态模式和时间依赖性。其中，1D-CNN通过直接从原始ECG信号中自动学习判别性时间与形态表示，在ECG分类任务中取得了强劲表现。例如，Baloglu等人开发了一个端到端卷积神经网络（CNN）模型，用于从标准12导联ECG信号中自动检测心肌梗死，显示出高诊断性能，准确率和灵敏度超过99%[6 (https://arxiv.org/html/2606.06718#bib.bib62)]。Ozaltin等人提出了一种混合CNN-SVM框架用于ECG分类，其中连续小波变换（CWT）将一维ECG信号转换为尺度图图像，随后使用SVM对CNN提取的特征进行分类[48 (https://arxiv.org/html/2606.06718#bib.bib63)]。基于这种CWT表示策略，Xie等人开发了一种多分支ResNet架构，用于捕捉