XDTEncoder：一种用于智能医疗的深度可解释性心律失常分类框架

《ACM Transactions on Multimedia Computing, Communications, and Applications》：XDTEncoder: A Deep Explainable Arrhythmia Classification Framework for Smart Healthcare

心律失常分类中融合多级特征与可解释性编码方法，提出XDTEncoder框架，通过人机协同知识表示和编码对比提升分类准确率与决策可解释性，MIT-BIH数据库实验验证优于现有方法。

　　

摘要

在智能医疗的背景下，多媒体技术和数字孪生技术的整合推动了远程医疗领域的重大进展。心电图（ECG）信号作为多媒体医疗数据的一部分，提供了关于心脏电活动的重要数字信息，这对于诊断心律失常和保障健康生活至关重要。心律失常分类是分析ECG信号的基本步骤，也是诊断心脏疾病的关键问题。心律失常分类中的一个主要挑战是缺乏高精度来识别心律失常的心跳；另一个挑战是决策模型缺乏可解释性。本研究旨在开发一种新的方法，以提高心律失常分类的性能，并提供可解释的诊断决策路径。我们提出了XDTEncoder，这是一种可解释的心律失常分类框架，它利用多层次特征来识别心律失常的心跳，并提供可解释的诊断决策路径。XDTEncoder在三个方面具有创新性：（1）它基于编码器-解码器范式构建了人机协同的知识表示，使模型能够在识别心律失常的同时为心脏病专家生成决策路径；（2）XDTEncoder比较了两种编码方法（二叉树编码方法和霍夫曼编码方法），将诊断决策树嵌入到心律失常分类框架中；（3）XDTEncoder融合了多层次特征以提高心律失常分类的性能。在MIT-BIH数据库中对5种类型的心律失常进行的评估表明，我们的新方法在性能上优于现有的最先进分类器，同时具备可解释性。