DEFT：用于非平稳医疗时间序列的双域多分辨率融合变换器

《Information Fusion》：DEFT: Dual-Domain Multi-resolution Fusion Transformer for Non-Stationary Medical Time Series

　　

• •
  双域框架融合波形与频谱特征。
• •
  显式对齐保留形态学-频谱对应关系。
• •
  多分辨率融合捕捉瞬态非平稳事件。
• •
  注意力图突出具有临床意义的信号片段。
• •
  该方法优于强ECG和EEG基线模型。

引言

医学时间序列，如心电图（ECG）和脑电图（EEG），是非侵入性生理监测和临床诊断的基本工具[1]，[2]，[3]。ECG可用于识别心律失常、传导障碍和缺血性事件，而EEG则支持对癫痫、睡眠障碍和认知障碍的评估。随着床旁连续监测和遥测监测的日益普及，临床医生现在面临着长时间的、多导联的录音，其中有诊断意义的异常往往细微、短暂，并与复杂的生理变异性交织在一起[4]。因此，开发能够准确分析此类时间序列的计算模型对于早期检测、个性化护理和大规模临床决策支持至关重要[5]。

在真实的诊断流程中，临床医生很少从单一视角来解读医学时间序列。相反，他们会通过检查拍级波形形态（图1）来整合互补的感知线索，同时追踪宏观尺度的节律趋势和跨导联一致性[1]，[3]。在信号层面，此类全局节律变化和导联间相干性自然地反映在频谱内容随时间的结构化变化中——一些异常以瞬态的、带限的突发形式出现，而另一些则表现为主导频率成分的长程偏移。因此，准确的解读通常受益于一种多分辨率方法，该方法在保留拍级时间细节的同时，还通过时频特征捕捉更广泛的节律组织和跨导联一致性。然而，当前的计算方法往往难以在统一且稳健的框架内模拟这种专家级的整合[6]。

现有的深度学习方法尽管在CNN和Transformer架构方面取得了实质性进展，但主要仍在单一表示域内运行，限制了其对非平稳生理动态的表征能力[6]，[7]，[8]。时域模型保留了局部形态学信息，但可能被高幅值变化所主导，使得难以将真正的频谱漂移与噪声或基线漂移区分开来[9]，[10]，[11]。相比之下，频域方法提供了更为稳定的全局能量分布摘要，但它们往往会将短暂的病理事件——如孤立的室性早搏或短时的缺血性扭曲——平滑掉，而临床医生恰恰高度依赖这些事件[12]，[13]，[14]。因此，没有任何单一视角的表示方法能够同时保留局部形态学、长程频谱演变和非平稳条件下的跨导联关系，使得长时间、多导联生理录音的建模一直存在一个持续性的缺口。

为填补这一缺口，我们将非平稳医学时间序列分析重新概念化为一个跨时间、频率和导联的融合问题。我们提出了DEFT，一个双域架构，能够实现跨域对齐和多分辨率特征集成，专门用于捕捉医学时间序列数据中固有的复杂依赖关系。DEFT将每条记录分解为一个捕捉基线节律结构的低频趋势和一组突出瞬态形态学变化的带限子带信号。这些组件驱动两个协调的感知流：一个时域流跟踪来自原始信号的拍级波形动态，另一个频域流基于多分辨率分解来建模子带级能量随时间的再分配和跨导联一致性。一个具有补丁对齐交叉注意力的双域Transformer随后融合这两种视角，同时保持令牌级对齐，使得局部形态学线索能够在其周围的频谱和跨导联上下文中得到解读。这一设计模拟了临床推理过程，并提供了一种处理长程非平稳性的有原则的融合机制，而无需牺牲对短持续时间病理事件的敏感性。

DEFT通过共配准的双域设计来填补这一缺口。DEFT通过在融合之前，在共享的导联-时间补丁网格上构建波形补丁和多分辨率分析（MRA）描述符来确立其方法论上的区分，使得随后的跨域交互能够在显式共配准的生理证据上进行。位置感知双向交叉注意力随后在两种视角之间交换互补信息，而令牌对齐和能量-注意力一致性约束则对交互进行正则化。我们的主要贡献如下：

• •
  我们提出了DEFT，一个用于非平稳多导联医学时间序列的对齐双域Transformer模型，联合建模波形形态学、多分辨率频谱演变和跨导联上下文。
• •
  我们引入了交互补丁构建和位置感知双向融合机制，使得每个时域令牌在跨域交互之前都与同一生理导联-时间区域的MRA证据相关联。
• •
  我们在受控融合协议和组件级消融下验证了该设计，展示了共配准、双向交互和两个辅助约束是否带来了超越简单使用两条输入流的效果增益。

章节摘要

非平稳医学时间序列

先前的时间序列分析工作涵盖了经典统计建模、基于距离的相似性度量和表示学习[15]，[16]，[17]。大量经典建模方法，如ARIMA和高斯过程，建立在平稳性假设或全局二阶统计量的基础上。这些假设在具有分布偏移和结构变化的实际场景中可能会失效，此时底层动态在演变[18]。

医学时间序列构成了一个

问题定义

任务定义。 设 $\mathcal{D}={\left\{({\mathbf{X}}^{\left(i\right)},y^{\left(i\right)})\right\}}_{i=1}^N$ 为一个医学时间序列数据集，其中 $\mathbf{X}\in {\mathbb{R}}^{C\times T}$ 包含 C 个导联和 T 个样本。我们旨在学习一个预测器 $f_{\theta }:{\mathbb{R}}^{C\times T}\to \mathcal{Y}$，将X映射到诊断标签 y。

非平稳性的挑战。 学习 f_θ 的一个关键难点是生理信号固有的非平稳性：节律、形态学和噪声随时间演变（图2）。与以时不变功率谱密度 S_x(ω) 为特征的宽平稳过程不同，医学信号

方法论

在这里，我们提出了DEFT，一个双域Transformer，在结合两者进行预测之前，通过两个同步视角分析每条多导联记录。从相同的输入片段开始，时域流保留了局部波形形态学，而MRA流则将每个导联转换为时间定位的、尺度感知的频谱描述符。交互补丁嵌入随后将两种视角放置在相同的导联-时间补丁网格上，并分配相匹配的令牌相同的通道和时间

实验

为了全面评估所提出的双域Transformer模型在非平稳医学时间序列分析中的性能，我们设计了一系列实验。为了公平比较，所有基线方法均在统一协议下进行评估：每种方法都与DEFT共享相同的数据划分、预处理、优化器、批量大小和训练预算，其关键超参数通过基于验证的网格搜索进行选择。

超参数敏感性

我们评估DEFT的性能是否依赖于一个狭窄调优的多分辨率配置。在每个一维设置中，所有剩余的超参数和训练协议均固定；对于损失权重热图，剩余配置保持固定。

图13中的结果支持了所选配置的稳定性。图13(a)中的MRA级别扫描在两种模态中均表现出以 $J=4$ 为中心的宽近似最优区域，表明在

结论

在本文中，我们提出了DEFT，一个用于非平稳医学时间序列联合时频分析的统一框架。基于进化谱理论和MRA，我们的方法通过一种新颖的交互补丁嵌入策略，显式地将全局时间动态与局部化频谱变化耦合在一起。通过并行处理严格共配准的时间和多分辨率流，该模型有效地捕捉了细粒度波形

CRediT作者贡献声明

Lin Guo（郭林）：写作 – 审阅与编辑，写作 – 初稿撰写，监督，概念化。Wozhong Chen（陈沃中）：写作 – 初稿撰写，软件，方法论，数据整理。Changqing Cheng（程昌清）：写作 – 审阅与编辑。Rujia Miao（缪茹佳）：验证。Neng Zuo（左能）：验证。Ying An（安颖）：写作 – 审阅与编辑，资源，调查。

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能被认为影响了本文所报道的工作。

Lin Guo（郭林）|Wozhong Chen（陈沃中）|Changqing Cheng（程昌清）|Rujia Miao（缪茹佳）|Neng Zuo（左能）|Ying An（安颖）