ECG-InterpBench：使用匹配尺度稀疏自编码器对ECG基础模型可解释性进行基准测试

# ECG-InterpBench：使用匹配规模稀疏自编码器对 ECG 基础模型的可解释性进行基准评测

来源：https://arxiv.org/html/2607.27404  
Yixuan Duan 和 Wei Qiu  
电气与计算机工程系，莱斯大学，休斯顿，德克萨斯州，美国  
[[email protected]](mailto:[email protected])

(2027)

###### 摘要

现有的心电图基础模型基准主要评估下游预测性能，对内部表示能否被忠实分解、临床解释或在独立分析中复现，提供的洞察有限。我们提出 ECG-InterpBench，一个旨在系统评估 ECG 基础模型表示可解释性的基准。ECG-InterpBench 使用稀疏自编码器作为标准化测量工具，并在不同模型间匹配其容量，以实现受控比较。我们评估六个冻结的 ECG 基础模型，覆盖五种标准化编码器深度、五种匹配字典宽度和三种随机种子，生成一个包含 450 个单元的可解释性图谱，由 75 个完全匹配的六模型比较块组成。该基准评估表示可解释性的互补维度，包括稀疏重建保真度、49 项临床有意义 ECG 测量的单特征可及性与覆盖率，以及跨随机种子特征可复现性。评估还量化了患者采样不确定性、深度和种子相关变异，以及对稀疏参数化的敏感性。基准揭示 ECG 基础模型展现出不同的可解释性特征。在 MIMIC-IV-ECG 上的匹配复现确认重建保真度和临床可及性识别出不同的领先模型。该基准配有可执行评估代码、标准化清单、单元级指标和可复现性审计。ECG-InterpBench 通过提供一个容量受控且可复现的框架，在表示可解释性的不同维度上比较 ECG 基础模型，从而补充了以性能为中心的 ECG 基准。

基准评测，稀疏自编码器，机制可解释性，心电图，基础模型，表示分析

††copyright:none††journalyear:2027††conference:第33届ACM SIGKDD知识发现与数据挖掘会议；2027年8月1-5日，美国加利福尼亚州圣何塞††ccs:计算方法 数学对象表示††ccs:计算方法 无监督学习††ccs:应用计算 健康信息学††ccs:信息系统 数据分析

## 1. 引言

参见图注 图 1：ECG-InterpBench 概览。(a) PTB-XL 和经过资格认证的 MIMIC-IV ECG 输入六个冻结的 ECG 基础模型，并使用 BatchTopK 稀疏自编码器对层表示进行分解。(b) 对每个表示单独评估重建保真度、单特征临床概念可及性和覆盖率，以及跨随机种子可复现性。(c) 匹配规模设计交叉六个模型、五个相对深度、五个扩展因子和三个种子，生成 450 个用于公共规模模型比较的 SAE 单元。基准流程包含三个部分。首先，ECG 数据集和临床概念由六个冻结的 ECG 基础模型处理，多个层的隐藏表示由 BatchTopK 稀疏自编码器重建。其次，对所得表示评估重建保真度、概念可及性和覆盖率，以及跨随机种子可复现性。第三，六个模型、五个相对深度、五个扩展因子和三个随机种子形成一个匹配的 450 单元比较网格。

ECG 基础模型（ECG FMs）学习通用表示，支持多样化的节律、形态和心血管风险预测任务 (McKeen and others,2025 (https