《Array》：Identifying individuals from unseen ECG recordings: Image representations, CNN architectures and enrolment-to-probe intervals
编辑推荐：
从未见心电（ECG）记录中识别个体：图像表征、卷积神经网络（CNN）架构与注册—探测间隔
二元心电图像与短时傅里叶变换（STFT）时频谱在六种CNN架构上进行了比较。训练集与测试集之间不共享任何记录或采集场次。心搏级划分使rank-1准确率最高虚高51个百分点
从未见心电（ECG）记录中识别个体：图像表征、卷积神经网络（CNN）架构与注册—探测间隔
二元心电图像与短时傅里叶变换（STFT）时频谱在六种CNN架构上进行了比较。训练集与测试集之间不共享任何记录或采集场次。心搏级划分使rank-1准确率最高虚高51个百分点。二元图像在ECG-ID上的优势在时频谱分辨率下消失。在相同受试者中，间隔九年后rank-1准确率下降13–19个百分点。
1. 引言
生物特征识别利用生理或行为特征区分个体。常研究的特征包括面部特征、指纹、虹膜模式和ECG信号。生物特征系统可以验证所声称的身份或在已注册个体中识别某人[1]。在安全应用中，识别性能必须与抗攻击能力区分开。本研究聚焦于所评估队列内的基于ECG的识别；不评估抗攻击性，也不确立相对于其他生物特征模态的安全优越性。
基于ECG的生物特征方法旨在利用心脏电活动中的模式区分个体。表面ECG可以非侵入性地记录，包括通过手指接触和可穿戴配置。采集条件、信号噪声以及记录会话之间的变异性会影响识别性能[1]。ECG信号的生理起源本身并不确立抗窃取或抗复制能力。这种抵抗力需要专门的安全测试，这超出了本研究的范围。同样，在评估数据集中观察到的性能并不能确立可靠的连续识别或成功集成到可穿戴设备和访问控制系统中。
近年来，在人工智能和信号处理进步的推动下，对ECG生物特征的非传统采集和表征方法的兴趣激增[2]。一个主导趋势是将本质上是一维的心脏波形转换为二维表征——从时频谱到保持形态的二元图像——以便卷积神经网络（CNN）可用于特征提取和分类。此类方法利用P–QRS–T复合波中编码的判别性形态特征，同时利用深度学习表征能力。然而，该领域仍面临关键问题：信号随时间变异性、对噪声和采集条件的敏感性、缺乏标准化协议，以及跨数据集和架构确保可重复性的困难[3]。最近的基准测试表明，随机或会话内划分会夸大报告的性能并掩盖随时间退化[4]，且大多数评估依赖于小队列和时间接近的记录[5]。
在方法学层面，本研究的贡献是一个基准，其中ECG图像表征和CNN架构在单一协议下进行比较，该协议中没有任何记录或场次贡献于多个划分。六种既定网络在二元波形图像和STFT时频谱上训练；划分在记录或采集场次层面分离，因此识别始终在从未进入训练的记录上测试；每个配置用五个随机种子重复。除常规识别和验证指标外，表征差异用配对统计检验，控制措施处理最明显的混杂因素：以时频谱分辨率渲染的二元图像、一个架构家族内的深度系列、预处理、图像构建、预训练和训练设置的消融、选择测试权重的第二条规则，以及测量训练和测试之间共享记录的划分夸大准确率程度的划分控制。所用两个数据集ECG-ID和Heartprint中，后者包括首次记录后长达九年的场次，允许随着注册—探测间隔增长跟踪相同受试者的识别。单个网络是既定方法；此处的新颖之处在于对基于ECG识别的受控比较评估。
本研究做出三项主要贡献：
1. 在记录或场次不相交划分下，用五个种子、生物特征指标和校正配对检验，在两个公共数据集上比较六种CNN架构的二元心搏图像和STFT时频谱。
2. 控制实验将表征与图像分辨率及深度与其他架构差异分离，并量化心搏级划分夸大准确率的程度，以及每个网络的计算成本。
3. 对长达九年注册—探测间隔内识别的受试者内分析，辅以开放集识别和消融。
解释仅限于所评估的模型—表征配置，最明显的混杂因素被明确控制。两种表征以相同方式读取、调整大小和归一化；STFT窗口以秒而非采样点固定；共享种子的二元和STFT运行也共享数据划分、批次顺序和分类器初始化；专门控制将每个二元心搏渲染在其自身时频谱的画布上。ResNet家族内的深度系列补充架构比较。然而仍有两个差异存在：两种图像类型的原生分辨率（控制仅在一个方向上处理），以及分离六种网络的其他设计特征；两者在限制解释处重新讨论。这些比较提供了所评估数据集和协议内识别性能的证据——仅此而已。运行中的ECG生物特征系统的安全性需要专门评估欺骗、重放、信号注入、对抗操纵和模板窃取，本研究均未测试；跨采集设备和数据集的泛化以及在可穿戴硬件上的运行同样悬而未决。
研究问题与假设
解决三个研究问题，每个在基准模型训练前承诺一个假设：
RQ1：六种评估的CNN架构中，二元ECG心搏图像和STFT时频谱之间的识别性能是否不同？ H1：保持波形形态的二元图像产生更高的rank-1准确率和更低的EER。
RQ2：识别性能与架构设计的关联是否大于与网络深度的关联？ H2：在一个架构家族内，性能不随深度增加；残差连接或多分支模块等设计特征与差异的关联大于单独深度。
RQ3：识别性能如何随注册和探测记录之间的间隔变化，变化是否取决于架构？ H3：rank-1准确率随间隔增长而下降，下降幅度在架构间不同。
所有分析在基准运行前指定，3.6节描述三个例外：选择测试训练轮次的规则在试点运行后但计算任何测试结果前固定，测试轮次的第二条规则和划分控制在基准结果已知后添加。开放集识别、计算成本和消融是次要分析。RQ1和RQ2涉及完整模型—表征配置，分辨率控制和深度系列缩小——但不消除——替代解释。RQ3中比较是受试者内的，因此队列差异不进入主要分析，尽管记录条件随时间的变化仍可能贡献于观察到的下降。
2. 近期工作
为将我们的贡献置于最新技术水平背景下，本综述映射基于ECG的生物特征识别的最新进展，特别关注信号表征策略和人工智能方法。使用心电图（ECG）进行生物特征识别的概念建立在21世纪初的基础研究之上。开创性研究，如Biel等人（2001）的工作，是最早系统地从ECG波形中提取基准点以证明其个人识别潜力的研究之一[6]。后续工作，例如Agrafioti & Hatzinakos（2008），通过探索先进的信号处理技术创建鲁棒的生物特征模板进一步巩固了这一范式[7]。这些早期研究确立了关键前提：个体心脏形态包含独特且可测量的特征。虽然这些基础工作证明了概念的可行性，现代研究——以下综述的重点——已将焦点转向利用先进的机器和深度学习方法克服手动特征提取的局限性并提高现实条件下的鲁棒性。
从一维形态到二维表征
近期文献的一个主导趋势是将一维ECG时间序列转换为二维图像格式。这种转换使研究人员能够利用最先进的卷积神经网络（CNN）的强大特征提取能力，这些网络主要设计用于图像分析。比较这两类主要二维表征的有效性是我们研究的中心点。
第一种也是最常见的方法涉及创建时频表征，通常使用短时傅里叶变换（STFT），产生时频谱。这种方法——我们也在工作中测试——通过将信号分成短的、重叠的时间窗口并为每个窗口计算快速傅里叶变换（FFT）来分析信号。这揭示了信号的频率内容如何随时间演变。然而，STFT受不确定性原理约束：提高频率分辨率不可避免降低时间分辨率，反之亦然，这可能导致伪影或模糊细微形态细节。Aleidan等人[8]和Ammour等人[9]的研究利用STFT生成的时频谱作为其深度学习模型的直接输入。为缓解分辨率权衡，Choi等人应用双三次插值调整时频谱大小，展示了一种简单而有效的增强[10]。其他工作探索替代变换，如连续或离散小波变换（CWT/DWT），生成可能更好地定位瞬态心脏事件的尺度图。然而，我们的工作聚焦于STFT作为最广泛使用的方法，以提供可比较的基准。
与时频方法相反，第二类方法专注于保持ECG波形的精确形态形状。这一理念与我们第二种测试方法——直接信号二值化——一致。相关技术将每个心搏转换为波形的二维图像：Prakash等人将心搏转换为灰度图像并训练改进的孪生网络学习单个心搏之间的相似度分数[11]。虽然他们的方法聚焦于比较对，我们的研究使用标准CNN架构研究这些形态图像的直接分类。另一种保持形态的方法是相空间重建（PSR），由Chan等人使用，将信号与其时间延迟版本绘制以在相空间中创建轨迹[12]。所得的二维图视觉上保留P-QRS-T结构，然后用作CNN的图像输入。第三种创新方法是Fuster-Barceló等人[13]提出的心电矩阵（EKM）。这里，3、5或7个连续心搏的序列排列成矩阵形成“热图”，然后由轻量级CNN分类。这些工作证实精心构建的形态图可以具有高度判别性，这激发了我们与时频方法的系统比较。
学习范式与架构选择
机器学习模型的选择本质上与所选特征表征相关联。随着二维图像特征的普及，CNN已成为特征提取和分类的标准。遵循这一趋势，此处六种既定CNN架构在一种协议下用两种表征类型评估。许多研究评估和比较在大规模图像数据集上预训练的既定架构。例如，Lee & Kwak比较了GoogleNet、VGG-19和ResNet-101的性能，发现三者准确率相当高[14]。他们的发现激发了我们更广泛的模型选择，包括DarkNet-53等更新架构，以探索性能和鲁棒性的细微差异。Aleidan等人使用VGG16模型作为强大的特征提取器，其输出随后用长短期记忆（LSTM）网络细化[8]。
结合不同架构的混合模型代表增长趋势，旨在捕获空间和时间动态。Lee & Kwak的工作是典型例子，其中一维LSTM处理心搏序列而二维CNN分析相应时频谱[14]。他们发现组合方法优于任一单独方法，表明形态和序列特征互补。类似地，Asif等人开发了结合LSTM层与一维卷积层和DWT的混合网络，在健康和心律失常患者数据上实现比VGG-19和ResNet-152等标准架构更高的准确率[15]。虽然我们的工作聚焦于纯CNN模型进行直接比较，这些混合方法代表未来研究的重要方向。
除标准分类外，其他学习范式已显示出前景。Ammour等人使用深度对比学习与EfficientNet架构从时频谱学习身份区分嵌入，这在注册数据有限时特别有用[9]。为应对体力消耗后改变ECG形态的识别挑战，Choi等人比较传统机器学习分类器（kNN、SVM）与深度学习模型（Auto-Encoder、LSTM），发现LSTM在生理应激下提供最稳健的识别[16]。虽然我们的研究不调查这些特定场景，它们突出了系统对外部影响鲁棒性的重要性，这一问题在本文注册—探测记录间隔分析中探讨。
只有在信号表征、模型、数据集和评估协议联合考虑时，比较ECG识别方法才有意义。报告的数字在参与者组成、采集条件、识别任务以及——关键地——记录在训练和评估之间分离方式的情境之外意义甚微。当一次记录的心搏在两者之间随机划分时，测试测量的是记录的识别而非人的识别，性能可能被大幅高估；因此在一种协议下更高的分数并不意味着在另一协议下优越。在此背景下，本研究将二元ECG心搏图像和STFT时频谱并排放在六种既定CNN架构上，使用ECG-ID和Heartprint，划分保持记录或采集场次在训练和测试之间分离，并添加分辨率匹配控制、一个架构家族内的深度系列、长达九年注册—探测间隔的受试者内分析以及开放集识别。贡献是在所报告协议内对这些配置的比较评估；跨数据集泛化和抗攻击性需要额外证据。
表1总结了代表性研究，包括2025和2026年的近期工作，以及各自相对于此处所涉问题的主要优势和局限。近期研究已将ECG生物特征扩展至标准化基准与跨会话和开放集协议[4]、大型库和数年间隔[5]、对噪声的鲁棒性[17]、嵌入式硬件上的推理[18]、可撤销和隐私保护模板[19]、具有多原型注册的相位感知表征[20]，以及心律失常条件下时频谱CNN特征融合[21]；近期综述汇编了该领域的方法和数据库[22]。其中两项发现直接与本研相关：会话内评估协议夸大性能并掩盖时间漂移和未见身份引起的退化[4]，且外部临床数据库上的rank-1准确率低于内部测试集[5]。评估标准化跨会话协议或数年间隔的研究使用一维网络[4]、[5]，而此处综述的基于图像的研究各自评估单一图像表征[9]、[11]、[12]、[21]。本研究结合两个视角：在记录或场次不相交划分下比较两种图像表征，并跟踪长达九年间隔内的识别。
表1. 代表性ECG生物特征研究与本研究。数据、方法和结果为所引用工作中所述。
研究|数据|输入和模型|评估和报告结果|优势|局限
Ammour等人（2023）[9]|Heartprint（199名受试者，多次会话，平均间隔47天）|STFT时频谱；对比学习网络和分类器|识别；top-1准确率98.02%|多会话数据集；学习嵌入|一种表征；一个数据集
Prakash等人（2023）[11]|ECG-ID|心搏作为灰度图像；改进孪生网络|认证；准确率99.85%，灵敏度99.30%|心搏模板匹配；自动特征提取|一种表征；一个数据集
Chan等人（2023）[12]|PTB（115名受试者）|相空间重建图像；CNN|识别；时间延迟和网格密度的影响|32×32网格与10倍小的网络给出相当准确率|一种表征；一个临床数据集
Asif等人（2023）[15]|ECG-ID、MIT-BIH、NSR-DB|离散小波特征与一维卷积循环网络融合|识别；准确率80.64%（ECG-ID）、98.81%（MIT-BIH）、99.62%（NSR-DB）|多个数据库，包括心律失常患者；与VGG-19、ResNet-152和Inception-v3比较|ECG-ID上准确率远低于其他数据库
Melzi等人（2023）[1]|内部数据库；PTB、ECG-ID、CYBHi|ECGXtractor深度特征提取器|验证和识别，单会话和多会话；PTB上EER 0.14%和2.06%|单会话和多会话协议；代码和协议发布|特征提取器在大型内部数据库上训练
Al-Jibreen等人（2024）[2]|MIT-BIH|心搏；轻量级深度可分离CNN|用正常训练心搏和心律失常测试心搏识别；99.28%（正常），93.81%（心律失常）|训练和测试间分离正常和心律失常心搏|一个临床数据库
Berki等人（2026）[18]|PTB（五名受试者，aVL导联）|5秒片段；STM32H7微控制器上的量化CNN|受试者特定模型；准确率94.68%，推理1.35秒|设备上推理与信号质量评估|来自一个临床数据库的五名受试者
Balkheer等人（2026）[21]|ECG-ID、MIT-BIH|STFT时频谱；融合SqueezeNet、NASNet和EfficientNet特征；孪生LSTM自编码器|多任务识别、年龄和性别预测；优于所比较方法|多个CNN融合；心律失常条件|一种表征
Scagnetto（2026，预印本）[5]|内部临床语料库（164,440份ECG）；MIMIC-IV-ECG；HEEDB|12导联ECG；带ArcFace损失的一维Inception-v1|闭集留一法，500–7000身份库，1–5年间隔；rank-1 0.951（内部）、0.829（MIMIC）、0.688（HEEDB）|大型库；外部验证；多年间隔|12导联临床记录；内部训练语料库
Parvan（2026，预印本）[4]|七个公共数据库，包括ECG-ID和Heartprint|一维网络（DeepECG、ResNet1D、CNN-LSTM）|随机划分、跨会话、长期和开放集协议；会话内协议夸大性能|跨数据库标准化可重复协议|无图像表征
本研究|ECG-ID、Heartprint|二元心搏图像和STFT时频谱；六种CNN和ResNet深度系列|记录或场次不相交划分，五个种子；闭集、验证、开放集，间隔长达3432天|用配对统计控制表征和架构比较；公开代码|两个小型单导联数据集；仅图像输入；无攻击测试
图1. 实验工作流程，从原始数据集到报告指标。QC：心搏质量控制。单位为记录（ECG-ID）或采集场次（Heartprint）。
3. 材料与方法
图1总结了实验流程：信号调理、心搏分割和质量控制、两种表征的图像生成、记录或场次不相交划分、CNN训练以及下述评估协议。
为对基于ECG信号分类的生物特征识别分类系统进行客观和广泛的性能测试，首先需要获得足够数量的ECG记录。然而，由于这些信号是原始形式，需要预处理。预处理后的数据随后必须分割为单个心搏。随后，有必要提取和识别用作使用卷积神经网络的生物特征系统输入数据的ECG特征。
3.1. 数据集和数据采集
如本章引言所述，对基于ECG信号分类的生物特征识别分类系统进行客观性能测试的初始且根本重要的步骤是获取包含来自不同受试者的大量ECG信号的来源。选择了ECG-ID和Heartprint数据库。
3.1.1. ECG-ID数据集
ECG-ID（版本1.0.0）是PhysioNet存储库[24]中的公开可用数据库[23]，包含来自90名个体（44名男性和46名女性，年龄13–75岁）的310条记录，每条20秒长，采样率500 Hz。每条记录存储原始I导联以及滤波副本；仅使用原始导联，不使用数据库提供的心搏注释。单个受试者具有1至22条记录。采集在2004年12月至2005年5月之间的十天内进行：90名受试者中70名在单日记录，其余20名在首次会话后1至156天返回。记录日期是唯一可用的时间信息。
3.1.2. Heartprint数据集
Heartprint（figshare，版本3）[25]包含来自199名个体（首次会话时130名男性和69名女性，年龄18–68岁）的1539个单导联ECG文件，每个15秒长，采样率250 Hz，用手持设备从手指记录。文件组织为四个文件夹——两个静息会话（S1、S2）、一个阅读条件（S3R）和一个长间隔静息会话（S3L）——元数据表给出每个文件夹距S1的间隔。这种组织的两个属性驱动数据划分。第一，139个文件出现在同一受试者的两个文件夹中且内容相同（135个同时出现在S3R和S3L，4个同时出现在S1和S2），这将唯一记录的有效数量减少到1400。第二，S3R标记记录条件而非单独访问：除两名受试者外，其文件在同一受试者S2或S3L文件的几分钟内捕获。因此，每当受试者的文件夹共享文件、设备日历日期或元数据间隔时，将其合并为一个采集场次，产生476个场次（每名受试者1–4个），其间隔取自元数据。在13名受试者中设备时钟与元数据相差超过7天；在敏感性分析中排除。后续场次在S1后5–241天（S2）和71–3432天（S3L）记录（补充图S5a–b）。
3.2. 信号预处理流程
获得的ECG信号代表需要处理的原始输入数据集。所有处理在Python（NumPy、SciPy和PyTorch）中实现并公开可用（见数据可用性声明）。记录按固定顺序处理。在Heartprint中，恰好为零的孤立采样点——采集设备大约每搏写入一次，总共28,597个采样点——用相邻采样点之间的线性插值替换。然后以零相位、前向–后向形式（scipy.signal.sosfiltfilt）应用三阶Butterworth带通滤波器（ECG-ID为0.25–25 Hz，Heartprint为0.25–40 Hz），残存基线漂移通过在记录上拟合的16阶最小二乘多项式减去来去除。最后，用Pan–Tompkins算法检测R峰，每个心搏围绕其R峰分割。
3.2.1. 基线漂移去除
多项式在缩放至[0,1]的时间轴上拟合并从滤波信号中减去。如此高的阶数不可避免地吸收记录末端附近的一些快速信号内容；然而在实践中，后来因残余漂移被拒绝的心搏（3.2.4节）并不集中在末端附近，省略基线去除的消融既未显著改变rank-1准确率也未显著改变EER（4.6节）。
3.2.2. 频率滤波
对两个数据库的所有信号应用带通频率滤波。ECG-ID数据库信号使用0.25 Hz下限截止频率和25 Hz上限截止频率滤波。对于Heartprint数据库信号，下限截止频率设为0.25 Hz，上限截止频率设为40 Hz。在本研究原始版本中，截止频率通过检查噪声水平和频谱以及审查ECG生物特征研究中使用的设置来选择。本研究中，使用三阶Butterworth滤波器抑制两个数据库信号中的不需要频率成分。选择0.25 Hz下限截止频率以消除信号的DC分量。应用上限截止频率，ECG-ID数据库信号为25 Hz，Heartprint数据库信号为40 Hz，以衰减不需要的高频成分和潜在电力线干扰。
通带遵循常见ECG预处理实践[26]，并保留自本研究原始版本而非为基准调整；由于前向–后向应用，它们不引入相位失真。其影响在消融中用两个数据集0.5–40 Hz和1–45 Hz通带（以及Heartprint额外0.25–25 Hz）检查，所有其他设置和数据划分不变（3.6节）。
表2. 被质量控制去除的心搏。每个被拒绝心搏按其未通过的第一个标准计数；百分比相对于达到该标准的心搏。
标准|ECG-ID|Heartprint
不规则RR间期|336（4.4%）|209（0.8%）
极性反转|15（0.2%）|17（0.1%）
R波幅离群值|125（1.7%）|269（1.1%）
QRS形态离群值|24（0.3%）|25（0.1%）
残余基线漂移|442（6.2%）|448（1.8%）
任何标准|942/7590（12.4%）|968/25,321（3.8%）
丢失超过20%心搏的受试者|19|3
3.2.3. 信号分割为单个心搏
使用Pan–Tompkins算法[27]、[28]检测R峰：5–15 Hz检测带通滤波器、五点导数、平方、150 ms移动窗口积分、自适应双阈值、200 ms不应期、360 ms内T波判别，以及1.66倍平均RR间期的回溯搜索。一处修改偏离已发表算法：在T波判别中，斜率在预处理信号而非检测带上比较，因为若干ECG-ID受试者——具有窄、低幅度QRS复合波和高T波——否则其T波会被接受为心搏。然后将每个检测偏移到预处理信号在±75 ms内的最大值，使心搏以正向R波为中心。心搏k跨越从Rk??RRk?1/2?到Rk+?RRk/2??1的采样点，其中RRk?1和RRk是到前一个和下一个R峰的间期；记录的第一个和最后一个R峰仅作为邻居，因此具有n个R峰的记录产生n?2个心搏，ECG-ID总共7590个，Heartprint总共25,321个。在通过质量控制的心搏中，中位长度为0.76秒（ECG-ID）和0.73秒（Heartprint）。作为独立检查，检测器在所有1710条记录上与NeuroKit2[29]（ecg_clean、ecg_peaks）比较，峰值在±75 ms内匹配：ECG-ID上灵敏度、阳性预测值和F1分数分别达到0.991、0.975和0.983，Heartprint上分别为0.996、0.997和0.996（补充表S6d）。
3.2.4. 心搏质量控制
然后每个心搏通过五个标准的质量控制，每个相对于心搏自身记录测量，阈值在任何模型训练前固定。QRS区域定义为R峰±60 ms，其与记录中位QRS复合波在±50 ms内使绝对值最大的对齐处的Pearson相关计算。若心搏（i）前一个或后一个RR间期位于记录的RR间期中位数的0.6–1.6倍之外，表明漏检或虚假检测；（ii）其QRS相关为负（极性反转）；（iii）其R波幅的修正z分数[30]绝对值超过3.5；（iv）其QRS相关低于0.80；或（v）心搏窗口内低于0.7 Hz的信号能量超过信号能量的20%（残余基线漂移），则被拒绝。每个被拒绝心搏按列表顺序归因于其未通过的第一个标准。总体上，质量控制去除ECG-ID心搏的12.4%和Heartprint心搏的3.8%（表2），但损失远非均匀：19名ECG-ID受试者和3名Heartprint受试者丢失超过20%的心搏，主要因漂移标准，或在ECG-ID中因重复检测记录的RR标准（补充表S6a和S6c）。其中十名ECG-ID受试者剩余少于40个心搏并从基准中退出（3.3节）。漂移阈值本身在其边界处敏感：在0.30而非0.20处，相同受试者将被保留，而在0.10处，另外九名ECG-ID受试者和一名Heartprint受试者将被排除（补充表S6b）。
3.2.5. 从ECG信号提取特征
准备ECG信号特征数据库的最后一步是从已分割的单个心搏波形中提取特征。这些特征将用作生物特征系统的输入数据。由于二维卷积神经网络用作所开发生物特征系统的分类器，有必要以二维图像形式创建ECG信号特征。为此，采用两种不同方法将ECG信号中的单个心搏处理和转换为二维图像表征。第一种方法是二值化，将ECG波形转换为二元图像。第二种方法涉及使用短时傅里叶变换（STFT）计算和可视化时频谱。
图2. 来自一名ECG-ID受试者（上）和一名Heartprint受试者（下）的示例心搏：原始心搏、预处理心搏、二元图像（512×256像素）和原生分辨率STFT时频谱。
3.2.6. 二值化
从预处理心搏生成二元图像。每个心搏通过线性插值重采样至512个采样点，其幅度最小–最大缩放到[0,1]；然后在512×256画布上以单像素宽绘制轨迹，最高幅度置于顶行。在每列内，设置相邻采样点中点之间的所有像素，因此轨迹即使通过陡峭QRS斜率也保持连续。图像存储为1位PNG文件；两种表征的示例如图2所示。
3.2.7. STFT时频谱
时频谱通常是信号时频分析的二维图形输出。它不仅提供信号内幅度频率特征的信息，还提供它们随时间的演变。时频谱最常用STFT生成，这是本工作应用的方法。在STFT中，信号以类似于标准傅里叶变换的方式分析，关键区别是计算在短的、重叠的时间窗口上进行[31]。
离散信号x[n]的短时傅里叶变换（STFT）定义为：（1）
STFTx(m,k)=∑_{n=0}^{Nω?1}x[n+mH]w[n]e^{?j2πkn/NFFT}，
其中x[n]是离散输入信号，w[n]是长度为Nω的分析窗口，H是跳数，NFFT是FFT点数，m是帧索引，k是频率bin索引。该公式与附录中也使用的标准离散STFT定义一致。
在STFT中，信号被分为“平稳区间”，为此我们使用窗函数W（已知Tukey、Hann、Hamming窗）。每个加窗傅里叶变换的输出然后组合形成综合二维图。这些短时间窗口由三个基本参数定义：窗口长度、窗函数和窗口重叠。窗口长度确定每个片段内计算傅里叶变换的采样点数。窗函数定义谱线形状。不同窗函数主要用于抑制矩形窗口切割否则会产生的伪影，这些伪影可能在最终图像中周期性出现。窗口重叠有助于减轻窗函数形状可能导致的信息损失[32]。
两个约定支配此处使用的时频谱。第一，分析窗口以秒而非采样点固定——0.128秒的周期Hann窗（500 Hz下64个采样点，250 Hz下32个）具有75%重叠——因此两个数据集在相同时间跨度上检查；256的FFT长度然后产生间隔1.95 Hz（ECG-ID）和0.98 Hz（Heartprint）的频率bin。第二，以分贝表示的功率谱密度在带通滤波器的上限截止频率（ECG-ID为25 Hz，Heartprint为40 Hz）处裁剪，因为其上方的行仅携带滤波器阻带——裁剪前，它们分别占每个时频谱的90%和68%。最小–最大缩放到[0,1]后，每个时频谱以其原生分辨率保存为8位灰度PNG，无坐标轴、标签或色阶：ECG-ID为13个频率行×9–34个时间帧（中位数20），Heartprint为41行×9–38帧（中位数19）。两个消融探测这些设置：分析窗口（0.064、0.128和0.256秒，各配Hann、Hamming或Tukey（α=0.5）窗）和重叠（87.5%和93.75%），其他一切不变（3.6节）。
表3. 数据集、心搏和图像摘要。心搏和图像分别计数；每个通过质量控制的心搏产生一个二元图像和一个STFT时频谱。
参数|ECG-ID|Heartprint
受试者|90|199
文件|310|1539
唯一记录|310|1400
会话（ECG-ID：受试者记录日；Heartprint：场次）|124|476
划分单位|记录|场次
分割心搏（质量控制前）|7590|25,321
通过质量控制的心搏|6648|24,353
纳入受试者|74|196
具有训练、验证和测试单位的|39|78
仅具有训练和测试单位的|35|118
纳入受试者的心搏|6218|24,242
纳入受试者每名心搏数，中位数（范围）|58（40–470）|106（43–325）
纳入受试者每名划分单位数（范围）|2–22|2–4
二元图像（512×256像素）|6648|24,353
STFT时频谱（中位数行×帧）|6648（13×20）|24,353（41×19）
3.2.8. 特征数据库的最终内容
每个通过质量控制的心搏产生一个二元图像和一个STFT时频谱：ECG-ID各6648个，Heartprint各24,353个（表3）。受试者只有在具有来自至少两个划分单位（ECG-ID为记录，Heartprint为场次）的至少40个此类心搏时才进入基准，因为一个单位始终留出用于测试。该规则纳入90名ECG-ID受试者中的74名和199名Heartprint受试者中的196名。被排除者中，一名ECG-ID受试者仅有单条记录，一名完全没有质量控制心搏，14名具有19至37个心搏；三名Heartprint排除者中，一名受试者具有36个心搏，两名仅有一个场次。消融实验需要从相同心搏生成的约520,000个额外图像。
3.3. 数据划分
划分按单位进行——ECG-ID中为记录，Heartprint中为采集场次——且不允许任何心搏、记录或场次进入多个划分，该属性对每个划分自动验证。在每名纳入受试者内，单位按数据集、受试者、单位和种子的加密哈希排序。具有三个或更多单位的受试者贡献一个给验证、一个给测试，其余给训练；恰好具有两个单位的受试者贡献一个给训练、一个给测试。因此每名受试者的划分仅取决于该受试者自己的单位和种子，每名受试者出现在训练和测试数据中（闭集识别）。种子42–46为每个数据集产生五个划分（表4）。
这些划分的两个属性塑造结果解释。第一，只有具有至少三个单位的受试者贡献验证数据（ECG-ID 74名中的39名，Heartprint 196名中的78名），因此验证划分覆盖受试者子集。第二，由于大多数ECG-ID受试者在单日记录，每个划分中74条ECG-ID测试记录中的70–72条与同一受试者的训练记录共享该日。因此ECG-ID测试测量从通常同日内的未见记录识别，而Heartprint测试——其中没有留出场次与训练场次共享一日——测量跨场次识别。
表4. 五个种子的划分大小。单位为记录（ECG-ID）或场次（Heartprint）；心搏数给出跨种子的范围。
数据集|划分|受试者|单位|心搏
ECG-ID|训练|74|164|3635–3721
|验证|39|39|803–896
|测试|74|74|1620–1718
Heartprint|训练|196|198|10,074–10,400
|验证|78|78|3274–3926
|测试|196|196|9916–10,808
3.4. CNN架构选择依据
六种CNN架构跨越三个设计家族——顺序网络（VGG-19）、多分支网络（GoogLeNet、Inception-v3）和残差网络（ResNet-18、ResNet-101、DarkNet-53）——每种都用二元ECG图像和STFT时频谱评估。由于六者在深度、参数数量、连接性和输入大小上同时不同，它们的比较不能隔离任何单一因素。因此在一个家族内添加深度系列：ResNet-18、-34、-50和-101，用相同配置和来自相同训练方案的ImageNet权重初始化，除深度外仅块类型不同（ResNet-18和-34为基本块，ResNet-50和-101为瓶颈块）。表5列出每个网络的设计特征和测量的计算成本。
3.5. 深度学习架构
六种预训练二维卷积神经网络在我们的研究中作为分类器评估。
所有网络从ImageNet初始化：ResNets、GoogLeNet、VGG-19和Inception-v3使用torchvision[33]的原始IMAGENET1K_V1权重，DarkNet-53使用timm库[34]的darknet53.c2ns_in1k权重。ImageNet分类器替换为每个纳入受试者一个输出的全连接层，Inception-v3的辅助分类器被移除。输入大小为224像素，Inception-v3（299像素）和DarkNet-53（256像素）除外。
3.5.1. ResNet-18
架构概述：ResNet-18是18层深度残差网络，其特征是包含跳跃连接。这些连接允许梯度流经网络而不消失。该架构采用卷积层结合批归一化和ReLU激活函数[35]。
输入大小：模型设计接受224×224×3（宽×高×通道）大小的输入，典型用于RGB图像分类任务。
优势和应用：ResNet-18显著缓解更深网络的训练，并已成为各种图像分类挑战的基准模型，包括CIFAR-10和ImageNet。
3.5.2. ResNet-101
架构概述：在ResNet-18结构基础上，ResNet-101将深度扩展到101层，通过增加的复杂性进一步增强表征能力，同时利用跳跃连接。这种更深架构的关键区别是使用“瓶颈”残差块，采用1×1卷积降低然后恢复维度，使如此深网络的训练计算上更高效[35]。
输入大小：与ResNet-18类似，处理224×224×3维输入图像。
优势和应用：ResNet-101特别有效处理复杂数据集，在ImageNet大规模视觉识别挑战（ILSVRC）等竞赛中展示优越性能指标。
3.5.3. GoogLeNet
架构概述：作为原始GoogLeNet推出，这种22层架构采用Inception模块，通过不同核大小的并行卷积促进多级特征提取。该模块的关键创新是在计算更昂贵的3×3和5×5卷积之前使用1×1卷积作为降维步骤，提高效率。原始网络还包括中间阶段的辅助分类器以对抗梯度消失问题；此处未使用[36]。
输入大小：标准输入大小为224×224×3。
优势和应用：其效率限制参数数量和计算成本，允许在ImageNet等大规模数据集上有利竞争，同时也可适应迁移学习。
3.5.4. VGG-19
架构概述：由19层组成，VGG-19保持统一架构，主要特征是小3×3卷积滤波器和一致池化层。这种设计促进模型捕获图像中细微细节的能力[37]。
输入大小：使用224×224×3输入，与前面模型相同。
优势和应用：VGG-19架构在设定图像分类任务标准方面具有影响力，在ILSVRC活动中展示显著性能；然而其相对较大的尺寸可能导致更高的计算需求。
3.5.5. Inception-v3
架构概述：Inception-v3作为GoogLeNet的改进，包括48层并集成若干改进。设计主要利用因子化卷积，将大滤波器分成较小的连续滤波器，如用两个3×3滤波器替代5×5滤波器。这种技术，连同减轻梯度消失的辅助分类器和广泛使用的批归一化，允许更深更高效的网络[38]。
输入大小：该模型需要更大的输入维度299×299×3。
优势和应用：Inception-v3在深度和复杂性之间取得平衡，在各种图像分类基准上提供高效性能。
3.5.6. DarkNet-53
架构概述：DarkNet-53是53层架构，设计为YOLOv3目标检测器的特征提取器。它通过采用一系列1×1和3×3卷积层强调快速处理和效率，利用类似ResNet的残差链接促进深度网络训练。值得注意的特征是其完全卷积架构，用步幅卷积代替池化层进行下采样，从而在目标检测等密集预测任务中表现出色[39]。
输入大小：模型处理256×256×3大小的输入图像。
优势和应用：常用于YOLO（You Only Look Once）目标检测框架，DarkNet-53在需要快速推理而不显著牺牲准确率的场景中表现优异。
表5. 评估网络的设计特征和计算成本。深度为标称深度；权重层为实现中的卷积层和全连接层。参数排除分类层。GFLOPs（十亿浮点运算）指网络输入大小下一张图像，由fvcore计数。延迟为批次大小1和32下每张图像的中位推理时间；轮次时间是在平均Heartprint训练划分上批次大小20训练一个轮次的时间；内存为训练期间峰值GPU内存。所有测量在一台NVIDIA H100 NVL GPU上用PyTorch 2.14进行。
网络|深度|权重层|残差|多分支|输入（像素）|参数（M）|GFLOPs|延迟b1（ms）|延迟b32（ms）|轮次（s）|内存（MiB）
ResNet-18|18|21|是|否|224|11.2|1.82|1.43|0.07|4.06|665
ResNet-34|34|37|是|否|224|21.3|3.67|2.52|0.11|6.69|992
ResNet-50|50|54|是|否|224|23.5|4.11|3.65|0.20|9.12|2056
ResNet-101|101|105|是|否|224|42.5|7.83|6.98|0.32|16.23|3080
GoogLeNet|22|58|否|是|224|5.6|1.50|4.15|0.13|8.01|1080
VGG-19|19|19|否|否|224|139.6|19.63|1.00|0.38|13.73|3725
Inception-v3|48|95|否|是|299|21.8|5.73|6.64|0.29|17.42|2252
DarkNet-53|53|53|是|否|256|40.6|9.31|3.88|0.28|13.32|930
3.6. 实验设置和训练参数
训练：所有主基准模型在原始研究的配置1下训练（表6）：Adam优化器学习率5×10^{?5}，批次大小20，交叉熵损失和20个轮次，使用纳入受试者的每个训练心搏。图像读取为灰度，用双线性插值调整到网络输入大小，缩放到[0,1]，复制到三个通道并用ImageNet均值和标准差归一化；未应用数据增强，两种表征经过完全相同的步骤。
测试轮次的选择：未使用早停。每个轮次后，在验证划分上计算rank-1准确率和交叉熵而不影响训练。然后每个模型用验证交叉熵最低的轮次权重测试，最后轮次权重作为敏感性分析评估。该规则源于ResNet-18在ECG-ID上的试点运行，其中训练损失在最后轮次上升，验证rank-1准确率从83.7%降至73.4%（二元图像），从77.8%降至52.3%（STFT时频谱）；它在计算任何基准测试结果前固定。由于验证损失和验证rank-1准确率后来在Heartprint上被证明发散（4.7节），120次主基准运行用相同种子重新训练，每次还测试验证rank-1准确率最高轮次的权重（并列时最早）。第二条规则在基准结果已知后添加；它作为进一步敏感性分析报告，验证损失规则仍为主要。
配置：本研究原始版本报告的超参数搜索使用一次记录的心搏可能同时出现在训练和验证数据中的划分；因此未重复且其结果未报告。配置2–5改为在消融中与配置1比较，每名受试者训练心搏数——在原始配置中限制为20或40——单独检查。
闭集评估：所有指标在测试划分上计算。识别从分类器输出评分为rank-1和rank-5准确率、累积匹配特性（CMC）、宏平均召回率（受试者平均召回，原始版本中报告为灵敏度）和行归一化混淆矩阵。验证从分类器前层的L2归一化嵌入评分：受试者模板是其训练心搏的归一化平均嵌入；真实分数将测试心搏与其自身受试者模板比较；冒名分数将其与每个其他模板比较。从这些分数报告等错误率（EER）、接收者操作特性（ROC）曲线下面积（AUC），以及假接受率（FAR）为1%和0.1%时的假拒绝率（FRR）。
表6. 训练配置。除配置消融中配置2–5与配置1比较外，所有实验使用配置1。所有配置使用每个训练心搏、交叉熵损失和无早停。
参数|配置1|配置2|配置3|配置4|配置5
轮次|20|10|10|20|10
学习率（恒定）|5×10^{-5}|1×10^{-4}|1×10^{-4}|1×10^{-4}|1×10^{-4}
批次大小|20|20|20|20|5
优化器|Adam|Adam|RMSprop|Adam|Adam
开放集识别：对每个数据集和种子，20%的纳入受试者（ECG-ID 74名中的15名，Heartprint 196名中的39名）被指定为未知并从训练中排除。其余受试者保持其划分，分类器对每名已知受试者一个输出。匹配探测是已知受试者的测试心搏；非匹配探测是未知受试者的所有心搏（ECG-ID约1180个，Heartprint约4800个）。每个探测分配给得分最高的已知受试者，使用其嵌入与受试者模板的余弦相似度或分类器的softmax概率。报告量为匹配探测的rank-1准确率以及假阳性识别率（FPIR）为1%和10%时的检测和识别率（DIR）。分析使用ResNet-18和DarkNet-53及两种表征和五个种子（40次运行）。
注册—探测间隔：Heartprint的场次跨度长达3432天，支持时间分析。在主要设计中，注册利用每名受试者的第一个场次（S1）：用种子选择其一条记录留出作为同会话参考，其他记录用于训练。每个后续场次作为探测分配给四个由数据间隙分隔的间隔bin之一：5–28、31–241、317–738和3022–3432天。注册仅使用静息记录，阅读条件的记录从不使用。两个bin带有注意事项：31–241天bin包括一个比其他晚九年首次记录的队列，317–738天探测的记录条件未知（其文件同时归档在阅读和长间隔文件夹下）。因此主要比较在29名在5–28天和3022–3432天bin中均有探测的受试者内进行，这些bin仅包含2012和2013队列的静息记录。所有注册受试者形成一个分类器的类别，所用每个场次包含至少10个通过质量控制的心搏。次要设计在S1和S2注册受试者并使用两个最长bin作为探测，主要设计也应用于ECG-ID（bin为1、8–42和98–156天）作为次要分析。这些运行无验证划分并用最后轮次权重测试。使用所有六种架构、两种表征和五个种子（180次运行）。
消融：消融使用ResNet-18和DarkNet-53在两个数据集上，五个种子。每个改变主基准的单一设置，同时保持心搏、每个种子的划分和所有其他设置，因此每个水平按种子与主基准配对。检查九个轴：基线去除（省略）；带通滤波器（两个数据集0.5–40和1–45 Hz，Heartprint额外0.25–25 Hz）；二元图像大小（256×128和1024×512像素）；预训练（随机初始化代替ImageNet权重）；每受试者训练心搏（20和40）；配置2–5；STFT窗口长度和类型；STFT重叠；以及分辨率控制，将每个二元心搏绘制在与其自身时频谱具有相同行数和列数的画布上。预处理消融重新滤波记录并切割相同心搏窗口，不重复R峰检测或质量控制。预处理、二元图像大小、预训练、训练心搏和配置消融使用二元图像，STFT窗口和重叠消融使用STFT时频谱，因此每个设置仅对一种表征变化。总之，消融包括470次运行。
划分控制：为估计忽略记录的划分夸大结果的程度，ResNet-18和DarkNet-53也用两种表征和五个种子在两个数据集上以心搏级划分训练（40次运行）。每名受试者保持来自主划分的训练、验证和测试心搏数，但心搏随机分配而不考虑记录或场次，因此几乎所有测试心搏来自也提供训练心搏的记录。所有其他设置，包括测试轮次的规则，都是主基准的设置，每次控制运行按种子与主基准运行配对。与第二条检查点规则一样，控制在基准结果已知后添加。
实验规模：主基准包括120次运行（2数据集×6架构×2表征×5种子），深度系列另外20次运行（ResNet-34和ResNet-50用二元图像）。连同开放集、间隔和消融实验，研究包括830次训练运行；第二条检查点规则的重新训练基准和划分控制再增加160次，总共990次。
统计分析
配对：条件跨五个种子比较。共享种子的二元和STFT运行使用相同数据划分、批次顺序和分类器初始化，仅在输入图像上不同；因此它们形成匹配对。相同配对将更深的ResNet与ResNet-18以及每个消融水平与相应主基准运行链接，在间隔分析中一次运行的两个bin形成一对。
检验：对每个比较，对五个配对差异应用Shapiro–Wilk检验。在p≥0.05处，使用双侧配对t检验，（2）t=d?/(sd/√n)，其中d?和sd是配对差异的均值和标准差，n=5；否则使用精确双侧Wilcoxon符号秩检验。只有五个配对时，Shapiro–Wilk检验功效低，精确Wilcoxon检验不能产生p<0.0625；因此每个比较报告实际使用的检验。效应量报告为Cohen's dz=d?/sd和匹配对秩双列相关。
多重比较：p值在家族内用Holm程序[40]调整，Benjamini–Hochberg调整值在补充表中给出[41]。对于表征比较，一个家族包括一个数据集和一种测试权重选择的所有架构和指标（rank-1和rank-5准确率、宏召回率、EER、AUC，以及FAR为1%和0.1%时的FRR）；对于深度系列，一个数据集的所有深度和指标；对于间隔分析，一个受试者集的所有架构和表征；对于消融，一个轴和一个数据集的所有水平、架构和指标。当其Holm调整p值低于0.05时，差异称为显著。
架构依赖性：5–28天和3022–3432天bin之间rank-1准确率的下降是否取决于架构，用Friedman检验[42]跨六种架构测试，种子作为区组，分别对每种表征；Kendall's W报告为效应量。
置信区间：均值报告为跨种子的标准差，95%置信区间从t分布计算：（3）CI=x?±t(n?1,0.975)?s/√n，其中t(n?1,0.975)是自由度为n?1的Student's t分布的临界值。
可重复性设置
每个实验用五个种子（42–46）重复。种子支配数据划分、训练批次顺序和分类层初始化；骨干的ImageNet权重在运行间固定。在PyTorch和cuDNN中启用确定性算法。由于每个种子还诱导记录或场次的不同划分，种子间变异作为结果的一部分报告而非平均掉。
流程在Python 3.11中用PyTorch 2.14[43]、torchvision、timm、SciPy和NumPy实现，所有依赖版本锁定。数据集从其来源下载并根据已发布校验和验证，单个命令执行从下载到统计和图表的每个阶段。每次训练运行存储其配置、每轮训练和验证历史、指标、软件和硬件版本、代码修订和所用数据划分。
训练在MetaCentrum网格基础设施上作为990个独立作业运行，每个在一台由调度器分配的NVIDIA GPU上（模型从GeForce RTX 2080 Ti到H100 NVL），用PyTorch 2.14和CUDA 13.0。由于GPU型号在作业间变化，计算成本在一台NVIDIA H100 NVL GPU上为所有架构单独测量（表5）。基准前，A100 GPU上的试点运行对样本测试图像逐位重现了本地运行的网络输入，所有在集群上重建的预处理、分割、质量控制和划分表与本地计算的一致。确定性内核使运行在同一GPU型号上可重复但跨型号不可。为第二条检查点规则重新训练的120次基准运行中，与原运行在同一GPU型号上运行的27次完全重现其训练损失和测试准确率，而不同型号上运行的93次中只有7次如此。在不同型号的93次运行中，rank-1准确率与原运行平均相差2.1个百分点，在最低验证损失轮次从8移到1处最多相差21.0个百分点；每个数据集平均rank-1准确率变化最多0.5个百分点（补充表S8c）。
代码在AI编码助手CC（Anthropic；Claude Opus 5模型）协助下编写。评估协议由作者指定，实现期间的方法学决策及其理由记录在公共存储库中。在完整实验前，实现用单元和数据完整性测试以及每个阶段的缩减运行检查，此外还有上述跨平台比较。未基于测试集结果选择任何模型、检查点或超参数。
4. 结果
本节报告六种架构和两种表征的闭集识别和验证（RQ1）、ResNet家族内深度的影响（RQ2）、跨注册—探测间隔的识别（RQ3）、开放集识别、消融，以及结果对测试轮次选择的敏感性。除非另有说明，值为跨五个种子的均值±标准差，用验证损失选择的权重获得；间隔分析使用最后轮次权重。
4.1. 二元图像 vs. STFT时频谱
表7总结rank-1准确率和EER。在ECG-ID上，二元图像对所有六种架构和每个种子都比STFT时频谱产生更高的rank-1准确率，平均高5.1至14.8个百分点。Holm校正后，ResNet-18、GoogLeNet、Inception-v3和DarkNet-53的rank-1差异仍显著，ResNet-18、GoogLeNet、VGG-19和DarkNet-53的EER用二元图像显著更低。用二元图像，五种架构达到80.4%–81.4% rank-1准确率，VGG-19达到76.2%；用STFT时频谱，rank-1准确率范围从65.6%（DarkNet-53）到75.3%（ResNet-101）。
Heartprint被证明困难得多：训练和测试心搏始终来自不同场次，rank-1准确率仅从23.4%（VGG-19）到36.0%（GoogLeNet）。两种表征在rank-1准确率上无显著差异（最大平均差异1.7个百分点；所有Holm调整p=1）。所有六种架构的EER用二元图像更低，低0.7至4.0个百分点，但这些差异均未在校正后存活。图3、图4显示CMC和DET曲线，补充图S3a–b显示每种架构的ROC曲线和EER；rank-5准确率、宏召回率、AUC和FAR为1%时的FRR在补充表S1中给出，所有配对检验在补充表S2中。
分辨率控制表明该差距取决于图像分辨率。绘制在其自身时频谱画布上的二元心搏在ECG-ID上仅达到40.4%（ResNet-18）和37.1%（DarkNet-53）rank-1准确率，在Heartprint上为15.6%和9.2%——在每次比较中都低于原生二元图像和STFT时频谱（Holm调整p≤0.003）。在相等像素数下，二元轨迹未优于时频谱。然而ECG-ID优势并不与原生画布本身绑定：256×128和1024×512像素的二元图像用ResNet-18达到80.6%和81.5% rank-1准确率，用DarkNet-53达到78.1%和78.7%，仍高于时频谱（4.6节）；优势仅在时频谱分辨率下消失。控制将二元图像缩小到时频谱大小但不反向，因此不显示时频谱在二元图像分辨率下如何表现。
表7. 用二元图像和STFT时频谱的闭集识别（rank-1准确率）和验证（EER），以%为跨五个种子的均值±SD。Δ是平均配对差异（二元?STFT）的百分点，舍入前计算；pHolm是配对检验的Holm调整p值（补充表S2），低于0.05时加粗。
架构|Rank-1准确率（%）|EER（%）
|二元|STFT|Δ|pHolm|二元|STFT|Δ|pHolm
ECG-ID
ResNet-18|80.8±1.1|73.7±1.8|+7.1|0.006|4.1±0.8|5.5±0.5|?1.4|0.034
ResNet-101|80.4±1.7|75.3±2.6|+5.1|0.321|4.4±0.7|5.2±0.9|?0.8|0.375
GoogLeNet|80.9±1.7|72.5±2.2|+8.5|0.039|4.6±0.7|6.2±0.4|?1.6|0.039
VGG-19|76.2±4.7|67.5±2.8|+8.7|0.225|5.3±0.7|7.7±0.4|?2.4|0.042
Inception-v3|81.4±1.7|71.8±1.4|+9.7|0.002|4.3±0.5|6.1±0.5|?1.8|0.375
DarkNet-53|80.4±2.9|65.6±2.8|+14.8|0.006|4.6±0.5|7.4±0.9|?2.8|0.008
Heartprint
ResNet-18|35.8±1.3|35.9±2.1|?0.1|1.000|12.3±0.5|13.3±1.0|?1.0|1.000
ResNet-101|32.2±0.9|32.4±3.5|?0.1|1.000|13.3±0.3|14.0±0.8|?0.7|1.000
GoogLeNet|36.0±1.3|34.2±2.3|+1.7|1.000|12.6±0.5|15.1±0.9|?2.5|0.117
VGG-19|23.4±3.8|23.4±9.5|+0.0|1.000|15.1±1.5|19.1±5.3|?4.0|1.000
Inception-v3|30.2±1.6|30.0±2.2|+0.1|1.000|14.0±0.5|16.4±0.8|?2.4|0.422
DarkNet-53|28.6±2.5|28.3±1.9|+0.3|1.000|14.5±0.6|16.5±1.1|?2.0|0.905
图3. ECG-ID（上）和Heartprint（下）的累积匹配特性曲线，所有六种架构用二元图像和STFT时频谱，跨五个种子平均。
图4. 基于模板验证的检测错误权衡曲线，ECG-ID（上）和Heartprint（下），在常见假接受率处跨五个种子平均。
4.2. 架构和深度
在ECG-ID上用二元图像，架构紧密聚集：六种中五种达到80.4%–81.4% rank-1准确率，仅VGG-19落后于76.2%（表7）。STFT时频谱下分布变宽（65.6%–75.3%）。在Heartprint上，ResNet-18和GoogLeNet领先（34.2%–36.0% rank-1），VGG-19落后（23.4%）在两种表征下，尽管这一排名本身取决于测试权重选择（4.7节）。参数数量和FLOPs均未预测准确率：VGG-19，参数和FLOPs最大最昂贵的网络，在两个数据集上用二元图像均排名最后，而GoogLeNet，最小的，排名最准确之列（表5，图5）。
深度系列使这一图景更清晰（表8）。仅两个偏离ResNet-18在Holm校正后存活：ResNet-34在ECG-ID上增加3.0个百分点（pHolm=0.005），ResNet-101在Heartprint上损失3.6个百分点（pHolm=0.007）。ResNet-50和ResNet-101在两个数据集上均未显著优于ResNet-18，尽管每轮训练时间分别贵2.3和4.0倍。用最后轮次权重，ResNet-34在ECG-ID上的增益缩小到1.5个百分点（Holm调整p=0.91），而ResNet-101在Heartprint上的缺陷持续（?3.1个百分点，pHolm=0.035）；所有检验在补充表S3中。
表8. ResNet家族内深度系列（二元图像），以%为跨五个种子的均值±SD。括号内：与ResNet-18的平均配对差异（百分点）及其Holm调整p值，低于0.05时加粗。
网络|ECG-ID|Heartprint
|Rank-1准确率|EER|Rank-1准确率|EER
ResNet-18|80.8±1.1|4.1±0.8|35.8±1.3|12.3±0.5
ResNet-34|83.9±1.1（+3.0；0.005）|3.7±0.7（?0.4；0.193）|35.2±1.8（?0.6；0.426）|12.5±0.5（+0.3；0.233）
ResNet-50|83.1±1.5（+2.3；0.131）|4.1±0.8（+0.0；0.986）|31.9±2.6（?3.9；0.233）|13.3±0.6（+1.0；0.233）
ResNet-101|80.4±1.7（?0.4；0.986）|4.4±0.7（+0.3；0.560）|32.2±0.9（?3.6；0.007）|13.3±0.3（+1.0；0.233）
图5. 骨干参数与rank-1准确率（跨五个种子的均值和95%置信区间）对每个数据集和表征；二元面板还包括深度系列的ResNet-34和ResNet-50。圆形表示有残差连接的网络，三角形表示无残差连接的网络。
4.3. 跨受试者分类一致性
图6显示ResNet-18在ECG-ID上的行归一化测试混淆矩阵，跨五个种子平均。平均对角线值——等于宏平均召回率——用二元图像为79.5%，用STFT时频谱为72.4%。在个体层面，用二元图像最低召回为0%（一名受试者的测试心搏在任何种子中都未被正确分配），用STFT时频谱为8.3%。非对角线项识别哪些受试者被混淆；它们本身不能揭示负责的波形特征。而且由于大多数ECG-ID测试记录与训练记录在同一天采集，矩阵不能说明跨会话的稳定性。
图6. ResNet-18在ECG-ID上用二元图像和STFT时频谱的行归一化测试混淆矩阵，跨五个种子平均。
4.4. 跨注册—探测间隔的识别
图7和表10给出每个间隔bin的rank-1准确率和EER；补充图S1a–b显示ECG-ID分析和次要Heartprint设计，补充表S4a–b给出所有配对和Friedman检验。在主要Heartprint设计中，来自注册场次的探测的rank-1准确率用二元图像达到75.7%–81.4%，用STFT时频谱达到60.9%–70.3%，取决于架构。然后仅5–28天后记录的探测降至31.6%–37.0%和27.2%–33.1%，3022–3432天后进一步降至19.7%–23.0%和11.8%–13.7%。因此大部分损失发生在注册场次和第一个后续场次之间，随后数年进一步侵蚀准确率。
在29名同时存在于两个主要bin中的受试者上的受试者内比较明确了这一点（表9）：用二元图像rank-1准确率下降13.1–17.1个百分点，用STFT时频谱下降15.3–19.0个百分点。下降在12个架构–表征组合中的9个在Holm校正后显著；其余三个用Wilcoxon符号秩检验评估，其五个种子下可实现的最小双侧p为0.0625。排除13名设备时钟与元数据不一致的受试者（剩余26名）后，下降在12个组合中的10个仍显著。然而其大小在架构间无显著差异（Friedman检验，二元图像：χ2=7.17，p=0.21，Kendall's W=0.29；STFT时频谱：χ2=6.71，p=0.24，W=0.27；排除13名受试者：p=0.33和p=0.35）。
在两个场次（S1和S2）注册将长间隔rank-1准确率用二元图像提高到317–738天的37.1%–41.1%和3022–3432天的30.3%–34.0%，而仅S1注册为21.6%–24.8%和19.7%–23.0%——尽管该设计同样在更多数据上训练。在ECG-ID中，仅20名受试者在超过一天记录，用二元图像rank-1准确率从注册日内的79.8%–81.9%降至1天后的70.3%–77.2%（9名受试者）和8–42天后的48.8%–57.4%（17名受试者）；98–156天bin包含两名受试者，描述性报告。
图7. Heartprint中按注册—探测间隔的rank-1准确率（上）和EER（下），主要设计（在第一个场次注册），二元图像（左）和STFT时频谱（右）。点为跨五个种子的均值，带95%置信区间。阴影bin从主要比较中排除：31–241天bin包括一个2021年首次记录的队列，317–738天探测的记录条件未知。
表9. 29名在注册后5–28天和3022–3432天有探测的Heartprint受试者的受试者内比较（主要设计，最后轮次权重）。Rank-1准确率（%）是受试者平均，跨五个种子平均；下降是每种子差异的均值±SD，百分点。pHolm：所有29名受试者；pcHolm：设备时钟与元数据一致的26名受试者。加粗：低于0.05。0.125和0.188的值来自Wilcoxon检验，其五个配对下最小原始p为0.0625。
架构|二元图像|STFT时频谱
|5–28天|3022–3432天|下降|pHolm|pcHolm|5–28天|3022–3432天|下降|pHolm|pcHolm
ResNet-18|39.5|22.8|16.7±3.3|0.002|0.005|33.0|13.9|19.0±3.1|0.002|0.002
ResNet-101|36.9|19.8|17.1±3.2|0.002|0.002|31.1|13.2|17.9±2.7|0.188|0.003
GoogLeNet|36.7|23.0|13.7±1.8|<0.001|0.003|32.1|13.2|19.0±2.2|<0.001|<0.001
VGG-19|35.0|19.5|15.5±2.2|0.188|0.125|27.8|12.5|15.3±3.5|0.003|0.002
Inception-v3|35.4|21.0|14.3±2.8|0.002|0.006|30.6|14.0|16.7±3.0|0.002|0.125
DarkNet-53|33.6|20.5|13.1±3.6|0.005|0.012|28.5|12.1|16.4±3.5|0.188|0.003
表10. 按注册—探测间隔的rank-1准确率和EER（%），给出六种架构均值的范围。Rank-1准确率在探测心搏上池化，而表9对受试者平均。受试者：在该bin中有探测的受试者。
设计|间隔|受试者|Rank-1准确率|EER
|||二元|STFT|二元|STFT
Heartprint，在S1注册|同场次|199|75.7–81.4|60.9–70.3|2.3–3.0|3.7–5.3
|5–28天|107|31.6–37.0|27.2–33.1|12.7–14.4|15.0–17.3
|31–241天a|91|32.9–38.7|25.2–31.6|12.3–14.5|14.6–17.7
|317–738天b|44|21.6–24.8|15.7–20.2|15.3–16.6|17.2–19.7
|3022–3432天|33|19.7–23.0|11.8–13.7|18.2–22.1|21.0–24.2
Heartprint，在S1和S2注册|同场次|197|76.8–81.1|74.2–77.5|2.4–3.4|2.9–4.0
|317–738天b|44|37.1–41.1|35.1–41.4|9.1–11.0|8.8–10.7
|3022–3432天|33|30.3–34.0|24.7–30.5|13.0–15.8|13.6–15.7
ECG-ID，在首日注册|同日|88|79.8–81.9|63.0–71.9|3.6–4.4|4.6–7.4
|1天|9|70.3–77.2|47.5–60.8|3.2–4.9|5.0–9.5
|8–42天|17|48.8–57.4|39.0–45.4|7.7–10.1|9.5–14.4
|98–156天c|2|34.8–51.0|38.1–41.6|10.2–13.8|11.4–17.0
a包括一个2021年首次记录的队列。b记录条件未知。c两名受试者；仅描述性。
4.5. 开放集识别
表11和图8总结开放集识别。在ECG-ID上用余弦分数，ResNet-18用二元图像在FPIR为1%时检测并正确识别42.3%的匹配探测，在FPIR为10%时为65.4%；用STFT时频谱这些比率降至23.0%和50.7%。DarkNet-53遵循相同顺序但比率更低。Softmax评分对每个ECG-ID配置都低于余弦评分。在Heartprint上，没有配置或分数在FPIR为1%时达到高于5.8%的DIR或在FPIR为10%时高于16.4%。应注意，FPIR为1%对应约12个非匹配ECG-ID探测和48个Heartprint探测，因此该工作点的估计必然不精确。
表11. 20%受试者未注册的开放集识别，以%为跨五个种子的均值±SD。Rank-1：匹配探测的rank-1准确率。DIR：给定假阳性识别率（FPIR）下的检测和识别率。
数据集|网络|表征|余弦分数|Softmax分数
||||Rank-1|DIR，FPIR 1%|DIR，FPIR 10%|DIR，FPIR 1%|DIR，FPIR 10%
ECG-ID|ResNet-18|二元|82.8±2.9|42.3±4.9|65.4±5.1|31.6±7.5|56.3±5.9
ECG-ID|ResNet-18|STFT|77.4±3.6|23.0±3.5|50.7±1.4|14.9±5.4|40.0±4.6
ECG-ID|DarkNet-53|二元|81.2±2.6|31.3±3.9|56.6±3.2|10.4±6.5|46.5±5.8
ECG-ID|DarkNet-53|STFT|64.7±3.3|13.2±2.5|34.1±3.0|4.3±2.0|26.1±3.8
Heartprint|ResNet-18|二元|36.7±2.7|5.1±1.5|15.4±1.8|4.1±1.6|14.9±2.1
Heartprint|ResNet-18|STFT|37.5±2.9|5.8±1.5|16.3±2.0|5.5±1.7|16.4±2.5
Heartprint|DarkNet-53|二元|30.7±3.3|3.3±0.5|10.5±2.1|1.9±0.4|10.2±1.5
Heartprint|DarkNet-53|STFT|26.8±4.3|2.8±1.5|8.8±3.4|3.1±0.5|10.4±1.3
图8. ECG-ID（上）和Heartprint（下）的假阴性识别率与假阳性识别率，按表征和分数，跨五个种子平均。
4.6. 消融
在消融水平和主基准之间的196次比较中，34次在Holm校正后显著（表12；补充表S5），其中16次在上述分辨率控制中。除分辨率控制外，最大效应属于预训练：从头初始化使DarkNet-53损失24.1个百分点的ECG-ID rank-1准确率，ResNet-18损失9.4个百分点，并使ResNet-18的Heartprint rank-1准确率降低3.1个百分点。将训练限制为每受试者20个心搏在ECG-ID上移除11.2个百分点（DarkNet-53）和3.2个百分点（ResNet-18），在Heartprint上移除3.6个百分点（ResNet-18）。在ECG-ID上，用二元图像的ResNet-18从更高的上限截止频率获益（0.5–40 Hz：+4.7个百分点；1–45 Hz：+4.3个百分点），用STFT时频谱从更密集重叠获益（87.5%：+4.1个百分点；93.75%：+4.9个百分点）；87.5%重叠还将其Heartprint rank-1准确率提高3.9个百分点。在Heartprint上，将通带缩小到0.25–25 Hz略微增加ResNet-18的EER（+0.4个百分点）。基线去除、二元图像大小、STFT窗口长度和类型，以及配置2–5均未显著改变任一指标。补充图S4显示每个轴，补充图S2显示每个配置每轮后的验证rank-1准确率。
表12. 消融轴（ResNet-18和DarkNet-53，两个数据集，五个种子）。每个水平改变主基准的一个设置。显著：相对于主基准rank-1准确率或EER的Holm调整p<0.05的比较数，在该轴所有比较中。效应为rank-1准确率的平均变化百分点，除非注明EER。
轴|水平|主设置|显著|显著效应
基线去除|省略|16阶多项式|0/8|–
带通滤波器|0.5–40和1–45 Hz；0.25–25 Hz（Heartprint）|0.25–25 Hz（ECG-ID），0.25–40 Hz（Heartprint）|3/20|ECG-ID，ResNet-18：+4.7（0.5–40 Hz），+4.3（1–45 Hz）；Heartprint，ResNet-18：EER+0.4（0.25–25 Hz）
二元图像大小|256×128，1024×512像素|512×256像素|0/16|–
预训练|随机初始化|ImageNet权重|5/8|ECG-ID：?24.1（DarkNet-53），?9.4（ResNet-18），两者EER更高；Heartprint，ResNet-18：?3.1
每受试者训练心搏|20、40|全部|6/16|20心搏：ECG-ID ?11.2（DarkNet-53，EER也更高），?3.2（ResNet-18）；Heartprint，ResNet-18：?3.6（EER也更高）；40心搏：ECG-ID，ResNet-18：EER+0.6
配置|配置2–5|配置1|0/32|–
STFT窗口|0.064、0.128、0.256秒×Hann、Hamming、Tukey（0.5）|0.128秒，Hann|0/64|–
STFT重叠|87.5%，93.75%|75%|4/16|ResNet-18：ECG-ID +4.1（87.5%，EER也更低），+4.9（93.75%）；Heartprint +3.9（87.5%）
分辨率控制|STFT画布上的二元心搏|二元512×256像素；STFT|16/16|vs.二元：ECG-ID ?40.4（ResNet-18），?43.3（DarkNet-53）；Heartprint ?20.2，?19.4。vs.STFT：ECG-ID ?33.3，?28.5；Heartprint ?20.3，?19.2；所有EER更高
4.7. 对测试轮次的敏感性
在ECG-ID上，最低验证损失的轮次平均落在20轮中的第13.2轮，测试它而非最后轮次使平均rank-1准确率不变（两者均75.5%；表13）。Heartprint表现不同：验证损失早早就见底（平均第4.8轮，VGG-19用二元图像为第1.4轮），而验证rank-1准确率持续攀升——从所选轮次的26.5%到第20轮的31.1%（补充图S6）。交叉熵在奖励正确识别的同时惩罚自信错误，因此在未见场次上，随着网络对其错误识别的心搏变得过度自信而正确识别的心搏份额仍增加，它可能上升。因此测试最后轮次权重使Heartprint rank-1准确率平均提高5.1个百分点（36.0% vs. 30.9%），VGG-19用二元图像从23.4%跃升至35.9%，不再排名最后。用最后轮次权重，二元图像在ECG-ID上对六种架构均仍超过STFT（Holm校正后VGG-19和DarkNet-53显著），Heartprint仍无显著差异。
重新训练的基准在同一训练运行内测试验证rank-1准确率最高轮次的权重。该规则选择较晚轮次（ECG-ID平均15.9，Heartprint平均17.1），相对于相同运行中的验证损失规则，ECG-ID rank-1准确率变化?0.5至+5.8个百分点，Holm校正后均不显著。在Heartprint上它提高所有十二个架构–表征对的rank-1准确率，提高2.2至15.9个百分点（平均从30.7%到36.4%），VGG-19最多；校正后，ResNet-18用二元图像的增益显著（pHolm=0.006），DarkNet-53的EER用两种表征均显著下降（补充表S8a）。在该规则下Heartprint rank-1准确率仅跨越32.7%–39.5%，ResNet-18对两种表征均居首。表征比较保持其方向：二元图像在ECG-ID上对六种架构均超过STFT时频谱，高出6.4至14.4个百分点（ResNet-18和VGG-19显著），而在Heartprint上无差异显著（补充表S8b）。间隔分析不受影响，因为它始终使用最后轮次。验证损失规则在任何测试结果计算前固定，并保留为主要分析。
表13. 跨五个种子平均的三种测试权重规则下的平均测试轮次（20轮中）和rank-1准确率（%）：最低验证损失（Loss；主要）、最高验证rank-1准确率（Val. R1）和最后轮次（Last）。Loss和Last来自基准运行；Val. R1来自重新训练的运行，其中其他两条规则将每个数据集的平均rank-1准确率重现至0.5个百分点以内（补充表S8c）。
架构|二元图像|STFT时频谱
|Loss|Val. R1|Last|Loss|Val. R1|Last
|轮次|R1|轮次|R1|R1|轮次|R1|轮次|R1|R1
ECG-ID
ResNet-18|15.6|80.8|16.4|81.2|79.6|13.6|73.7|13.4|74.1|72.8
ResNet-101|14.2|80.4|15.2|81.0|81.2|10.8|75.3|14.0|74.6|71.4
GoogLeNet|18.4|80.9|14.8|80.8|79.6|17.2|72.5|18.2|72.1|72.5
VGG-19|10.4|76.2|14.4|78.5|78.2|10.4|67.5|16.6|70.3|68.7
Inception-v3|12.4|81.4|17.8|81.3|81.9|11.4|71.8|15.0|72.2|72.5
DarkNet-53|11.6|80.4|16.8|81.2|80.7|12.6|65.6|18.2|66.9|66.2
Heartprint
ResNet-18|4.4|35.8|16.6|39.5|39.4|8.4|35.9|17.6|38.9|39.7
ResNet-101|2.6|32.2|17.8|37.0|36.4|5.0|32.4|16.6|36.2|34.3
GoogLeNet|7.6|36.0|17.6|37.8|37.1|8.8|34.2|17.2|37.1|35.6
VGG-19|1.4|23.4|17.2|36.0|35.9|4.4|23.4|18.0|32.7|33.1
Inception-v3|3.4|30.2|18.0|36.1|36.3|5.0|30.0|15.4|35.5|35.1
DarkNet-53|2.2|28.6|16.8|36.3|34.8|4.0|28.3|16.8|33.8|34.3
4.8. 划分控制
将每名受试者的心搏随机分配到主划分大小的划分中，将99.4%（ECG-ID）和99.5%（Heartprint）的测试心搏置于也提供训练心搏的记录中，并夸大每个结果（表14；补充表S7）。在ECG-ID上，rank-1准确率提高9.6至11.2个百分点，达到76.9%–91.2%。在Heartprint上提高44.5至50.6个百分点，从28.3%–35.9%到72.9%–84.6%，EER从12.3%–16.5%降至2.0%–3.7%。16次rank-1准确率和EER比较中，15次在Holm校正后显著（pHolm<0.01）；例外是ResNet-18用STFT时频谱在Heartprint上的rank-1准确率，在每个种子中均上升，但其非正态差异进入精确Wilcoxon检验，其可实现的最小p值为0.0625。划分也改变了表征比较：在心搏级划分下，二元图像在Heartprint上每个种子均超过STFT时频谱，ResNet-18平均高2.1个百分点，DarkNet-53高6.3个百分点，而在场次不相交划分下两者无显著差异。
表14. 划分控制：主记录或场次不相交划分（Main）和相同大小的心搏级划分（Beat）下的rank-1准确率（%），跨五个种子平均；Δ为百分点。除标记?者外在Holm校正后所有增加均显著，?在每个种子中均发生但用精确Wilcoxon检验（可实现最小p=0.0625）。EER和所有检验在补充表S7中。
数据集|网络|二元图像|STFT时频谱
||Main|Beat|Δ|Main|Beat|Δ
ECG-ID|ResNet-18|80.8|91.2|+10.4|73.7|84.6|+10.9
|DarkNet-53|80.4|90.0|+9.6|65.6|76.9|+11.2
Heartprint|ResNet-18|35.8|84.6|+48.8|35.9|82.5|+46.6?
|DarkNet-53|28.6|79.2|+50.6|28.3|72.9|+44.5
5. 讨论
讨论检查观察到的性能差异如何与所评估的模型—表征配置及可用证据的局限性相关。它考虑模型性能、注册—探测分析的解释、对其他人群和设备的泛化，以及潜在应用的伦理和实践要求。
5.1. 模型性能洞见
基准仅部分支持H1。在ECG-ID上，二元图像对每种架构都优于STFT时频谱，该优势在原生大小一半和两倍的二元画布上保持，但当二元轨迹重绘在时频谱的小画布上时不再保持，此时它远落后于时频谱本身。由于控制仅改变二元图像的分辨率，它不能将分辨率与表征内容分离。一种合理解读是，具有13或41个频率行和约20个时间帧的时频谱在低分辨率下有效总结心搏，而一像素轨迹需要许多像素编码其形状。由于两种表征都调整到相同网络输入——时频谱约5.5至25倍，Inception-v3最多33倍——比较涉及完整图像生成流程，而非抽象的波形形态和频率内容。两条流程也未对称探索：STFT设置仅对时频谱变化，更密集的STFT重叠将ResNet-18的ECG-ID差距缩小到约2个百分点，并将其Heartprint时频谱提高到二元图像之上（39.2%–39.8% vs. 35.8%）。在Heartprint上，训练和测试数据始终来自不同场次，两种表征在rank-1准确率上无显著差异，尽管每种架构的EER用二元图像更低；跨场次，它们共享的变异可能超过在ECG-ID上区分它们的信息，在那里大多数测试记录与训练记录共享一日。划分控制支持这一解读：一旦测试心搏来自用于训练的记录，二元图像在Heartprint上也超过时频谱，因此表征比较的结果本身取决于数据如何划分。
在所评估的ResNet配置内，增加深度未产生一致改善：ResNet-34在ECG-ID上显著优于ResNet-18，ResNet-50和ResNet-101没有，ResNet-101在Heartprint上显著不如ResNet-18准确。而且ResNet-34的增益在最后轮次权重下未存活，而ResNet-101的缺陷存活。这仅在弱意义上同意H2：深度未带来一致增益；它不表明深度无关，因为四个ImageNet预训练ResNet在一种配置下训练是深度如何变化的狭窄样本。H2的第二部分也未获支持：六种网络中，残差或多分支设计均未一致更准确。跨设计家族，除VGG-19——参数和FLOPs最多的网络——外，ECG-ID差异很小。在ECG-ID上，消融——尤其是ImageNet预训练和每受试者训练心搏数——使准确率的变化大于架构选择。在Heartprint上，除分辨率控制外，架构差异大于任何消融水平。由于比较六个完整网络，结果不能说明哪种设计特征驱动VGG-19的缺陷；在Heartprint上它很大程度上反映测试轮次规则，因为用验证rank-1准确率最高的轮次，VGG-19用二元图像达到36.0%，在最佳网络3.5个百分点以内。
本研究原始版本报告用二元图像的灵敏度84.6%–94.8%。这些值来自一次记录的心搏可能同时出现在训练和验证数据中的划分，来自两个数据集用64采样窗口以800×600像素渲染的时频谱，以及每受试者20或40个训练心搏，因此它们与当前结果不可比：此处报告的rank-1准确率——ECG-ID约80%，Heartprint 23%–36%——测量从训练期间从未见过的记录或场次的识别。划分控制在当前流程内隔离这些差异中的第一个：在不考虑记录的情况下分配相同心搏使ECG-ID rank-1准确率提高约10个百分点，Heartprint提高45至51个百分点。夸大在训练和测试记录其他地方相距最远处最大，与表明会话内评估掩盖跨会话识别困难的基准研究一致[4]。
5.2. 时间稳定性和实际部署
间隔分析支持H3的前半部分但不支持后半部分。在同一受试者内，对于注册后约九年记录的探测，rank-1准确率比一个月内记录的探测低13–19个百分点——在架构和表征间一致。下降大小在架构间无显著差异，因此数据不支持某些架构学习时间上更稳定特征的观点；然而用五个种子和六种架构，Friedman检验只能检测大差异。
下降的形状比其大小更有信息量。最大下降发生在注册场次和仅数周后的第一个后续场次之间，这指向会话间变异——手指接触、姿势、记录条件——而非缓慢生理变化作为识别错误的主要来源。长间隔下降也不能仅归因于生理，因为采集条件本身可能在九年间漂移。在两个场次注册将长间隔rank-1准确率提高约10至24个百分点，尽管该设计也在更多数据上训练。多会话注册因此成为有前景的对策，模板更新值得测试；它们在部署系统中的益处，连同目标硬件上的延迟和内存，需要专门评估。
5.3. 局限性和未来工作
若干局限性限定这些发现。第一，两个数据集都小且单导联，其测试条件不同：大多数ECG-ID测试记录与训练记录在同一天采集，因此ECG-ID结果更多描述日内识别而非跨会话识别，而Heartprint结果描述跨场次识别，在主基准中也可能在记录条件上不同，因为阅读和模糊记录被包括。两个数据集均未用于测试到另一数据集或采集设备的迁移。第二，测试权重在仅对具有至少三条记录或场次的受试者（ECG-ID 74名中的39名，Heartprint 196名中的78名）存在的验证划分上选择。在Heartprint上验证损失在最初几个轮次内达到最小值且最后轮次权重得分更高，因此绝对Heartprint准确率及那里的架构排名应与敏感性分析一起阅读；选择验证rank-1准确率最高的轮次使Heartprint rank-1准确率平均提高5.7个百分点而不逆转表征比较。间隔分析测试最后轮次权重；由于一次运行的两个bin用相同权重评分，其不稳定性对绝对准确率的影响大于对配对下降的影响。第三，每个比较依赖五个种子：五个种子上的配对检验功效有限，精确Wilcoxon检验不能达到p<0.0625，非显著差异——如Heartprint EER中的那些——不得解读为等效证据。此外，运行仅在同一GPU型号上精确重现；跨型号，个别运行平均相差2.1个百分点的rank-1准确率，尽管数据集均值变化最多0.5个百分点。第四，预处理参数保留自原始版本而非优化；消融显示某些替代，如二元图像更高的上限截止频率或时频谱更密集的STFT重叠，表现更好，因此报告值不是这些表征的上界。消融使用两种架构，一次变化一个设置且每个设置仅对一种表征变化，留下交互作用和两种表征的对称探索未检查。第五，开放集分析在FPIR为1%时非匹配探测少，主要间隔比较依赖29名受试者，中间bin的记录条件混合或未知。最后，研究涉及已注册参与者中的识别，既不评估抗攻击性，也不评估更大库，也不评估无需重新训练注册新用户，也不评估可穿戴硬件上的运行。
5.4. 伦理和实践考虑
基于ECG信号的生物特征识别系统的部署需要仔细考虑伦理和实践挑战，特别是数据隐私和全球监管合规。
本研究使用公开可用的ECG-ID和Heartprint数据集在纳入参与者中识别。公开可用或无姓名本身并不确立记录匿名：与间接可识别个人相关的信息也可构成GDPR下的个人数据[44]。当前分类实验不评估个体是否可在数据集之外被重新识别。
对于通用数据保护条例（GDPR）范围内的应用，处理个人数据需要第6条下的适当法律依据。为唯一识别个人而处理的健康数据和生物特征数据受第9条附加条件约束。明确同意是此类处理的一种可能条件；其他例外仅在其法律要求满足时适用。因此任何提议的ECG应用都需要评估处理目的和法律依据、数据最小化、保留期限以及适当的技术和组织保障[44]。
根据EU AI Act，高风险分类取决于预期目的和使用情境。附件III区分远程生物特征识别与唯一目的是确认所声称身份的生物特征验证。因此，提议的ECG应用的监管状态必须根据适用分类标准评估；它不能仅从生物特征数据的使用推断[45]。
联邦学习是在不集中底层ECG记录的情况下协作模型开发的潜在方向。然而，保持数据本地本身并不保证隐私：模型参数和更新可能披露训练数据的信息[46]。因此其对ECG生物特征的适用性需要评估信息泄露和额外保护措施的有效性。联邦学习及其隐私属性在本研究中未评估，此处作为未来调查主题考虑。
6. 基于ECG的生物特征识别的未来方向和鲁棒性挑战
当前结果呼吁在更广泛的采集和操作条件下评估基于ECG的识别。以下优先事项是本研究的提议扩展；此处报告的结果不证明其有效性。
6.1. 采集条件和时间评估
准确率的最大损失发生在注册场次和后续场次之间。未来数据集应在短和长间隔为每名参与者捕获多次会话，记录设备、电极或手指放置、姿势和活动，以便将会话效应与长期变化分离。多会话注册和模板更新应与固定模型基线对比，时间上较晚的会话留出用于测试。
6.2. 预处理和输入表征
二元图像的ECG-ID优势在它们以时频谱分辨率渲染时消失，通带和STFT重叠等预处理选择可测量地改变准确率。未来比较应联合变化两种表征的分辨率，探测预处理设置之间的交互作用，并包括完全避免图像的一维模型。设置应仅在验证数据上选择，应报告被排除数据的数量和分布。
6.3. 模型开发和操作评估
测试权重应由与识别一致的准则选择：在Heartprint上，验证rank-1准确率比验证损失服务得更好。消耗多个心搏序列的模型和产生未见用户模板的度量学习目标值得与此处评估的每心搏分类器比较，每次评估应说明记录或会话是否在训练和测试数据之间共享，因为此处心搏级划分使rank-1准确率虚高多达51个百分点。开放集识别应报告更多非匹配探测、更大库以及目标硬件上的延迟和内存，与闭集准确率并列。
6.4. 安全和对抗鲁棒性
此处报告的识别结果既不确立抗欺骗能力也不确立相对于外部生物特征模态的安全优越性。有意义的安全评估应指定攻击者的访问和能力，评估重放、信号注入、对抗操纵和模板破坏；然后应针对这些威胁评估候选保护措施，其有效性独立于识别性能报告。本研究未验证任何特定的攻击检测或隐私保护解决方案。
6.5. 基准和报告
未来基准应记录参与者和会话组成、数据划分的单位、预处理、排除标准、模型配置、检查点选择和指标定义，并应报告重复运行的变异。当前基准的代码（可重新生成数据划分）连同所有运行的收集结果公开可用，以支持正是此类比较。
7. 结论
本研究将二元ECG心搏图像与STFT时频谱在ECG-ID和Heartprint上的六种既定CNN架构中对比，在训练和测试之间保持记录或采集场次分离的划分、五个种子和配对统计检验下。在ECG-ID上，二元图像对六种架构均达到比STFT时频谱更高的rank-1准确率，其中四种显著；优势在其他二元图像大小下保持，但当二元心搏以时频谱分辨率渲染时消失。在Heartprint上，跨场次识别被证明困难得多，两种表征在rank-1准确率上无显著差异。在不考虑记录的情况下分配相同心搏使ECG-ID rank-1准确率提高约10个百分点，Heartprint提高45至51个百分点，表明在训练和测试之间共享记录的划分强烈夸大报告性能。用验证rank-1准确率而非验证损失选择测试轮次使Heartprint准确率提高约6个百分点但未逆转表征比较。ResNet家族内更大深度未产生一致增益，参数和FLOPs均未预测准确率。在相同Heartprint受试者内，对于注册后约九年记录的探测，rank-1准确率比一个月内记录的探测低13–19个百分点，下降大小在架构间无显著差异；相对于来自注册场次的探测，大部分损失在第一个后续场次时已经发生。开放集识别在ECG-ID上显著更准确（FPIR为1%时DIR高达42.3%）高于Heartprint（最多5.8%）。发现仍特定于所评估的数据集和协议：欺骗、重放、信号注入、对抗操纵和模板窃取的抵抗力未评估，结果不确立运行中ECG生物特征系统的安全性。在判断泛化和实际适用性之前，需要跨设备验证、更大的多会话数据集和专门的攻击测试。
CRediT作者贡献声明
Martin Havacek：写作–原稿、验证、方法学、调查、形式分析、概念化。Marek Hutter：写作–原稿、验证、方法学、调查、形式分析、概念化。Michal Matoska：软件、资源、方法学、调查、形式分析、数据管理、概念化。Radomir Scurek：写作–审阅和编辑、写作–原稿。Martin Augustynek：写作–审阅和编辑、写作–原稿、验证、资金获取、概念化。Marek Penhaker：写作–审阅和编辑、写作–原稿、监督、调查、资金获取、概念化。Jan Kubicek：写作–审阅和编辑、写作–原稿、验证、监督、项目管理、调查、资金获取、形式分析、概念化。
伦理声明
作者未获得参与者或其法定代表的知情同意。不适用。研究仅分析由ECG-ID和Heartprint数据库创建者收集和发布的公开可用、去标识化记录；作者与参与者无接触，文章不包含可识别的参与者信息。
本研究遵循研究所在地区的相关法律、监管框架和指南。根据相关法律和机构指南，不需要伦理委员会批准。研究仅分析来自ECG-ID（PhysioNet）和Heartprint（figshare）数据库的公开可用、去标识化ECG记录；未从人类参与者收集新数据，不需要额外伦理批准。
生成式AI和AI辅助技术在稿件准备过程中的声明
在准备工作期间，作者使用CC（Anthropic；Claude Opus 5模型）进行稿件语言编辑、准备表格和伪代码。同一工具在开发分析代码中的使用在可重复性设置小节中描述。使用此工具后，作者根据需要审查和编辑内容，并对出版内容承担全部责任。
资助
本文在欧盟LERCO项目编号CZ.10.03.01/00/22_003/0000003通过公正转型运营计划的财政支持下产生。工作和贡献得到项目SP2025/032“生物医学工程系统XXI”的支持。
Martin Havacek|Marek Hutter|Michal Matoska|Radomir Scurek|Martin Augustynek|Marek Penhaker|Jan Kubicek
**论文解读**
**研究背景与问题**
心电（Electrocardiogram，ECG）信号源自心脏电活动，具有个体特异性，被广泛研究用于生物特征识别。近年来，人工智能与信号处理的发展推动了将一维ECG波形转换为二维图像表征（如短时傅里叶变换（Short-Time Fourier Transform，STFT）时频谱、保持形态的二元图像）以便卷积神经网络（Convolutional Neural Network，CNN）提取特征的趋势。然而，该领域面临信号随时间变异、对噪声和采集条件敏感、缺乏标准化协议、跨数据集与架构可重复性差等问题。既有基准研究表明，随机或会话内划分会夸大报告性能并掩盖时间退化，且多数评估依赖小队列和时间接近的记录。基于图像表征的研究通常只评估单一表征，而采用标准化跨会话协议或多年间隔的研究多使用一维网络。因此，本研究旨在单一协议下比较两种图像表征与六种CNN架构，并在记录或采集场次不相交的条件下评估识别性能随注册—探测间隔的变化。
**研究内容与结论**
研究人员在ECG-ID（90名受试者、310条记录）与Heartprint（199名受试者、1539个文件，含场次间隔长达3432天）两个公开数据集上，比较了二元ECG心搏图像与STFT时频谱在六种CNN架构（ResNet-18、ResNet-101、GoogLeNet、VGG-19、Inception-v3、DarkNet-53）及ResNet深度系列（18/34/50/101）上的闭集识别、验证、开放集识别与消融表现，划分单位分别为记录（ECG-ID）和采集场次（Heartprint），每个配置重复五个种子并使用配对统计检验。
**关键技术方法**
信号预处理采用三阶Butterworth带通滤波（ECG-ID 0.25–25 Hz，Heartprint 0.25–40 Hz）及16阶多项式去除基线漂移；用Pan–Tompkins算法检测R峰并按相邻RR间期分割心搏；五条标准的质量控制剔除不合格心搏；心搏重采样后以单像素宽绘制512×256像素二元图像，或生成以秒固定窗口（0.128 s Hann窗、75%重叠、FFT长度256）的STFT时频谱；六种ImageNet预训练CNN在记录或场次不相交划分下训练20轮；评估采用rank-1/rank-5准确率、EER、AUC、FRR、开放集DIR及Holm校正的配对t检验或Wilcoxon检验。样本队列来源为PhysioNet的ECG-ID（版本1.0.0）和figshare的Heartprint（版本3）。
**研究结果**
4.1 二元图像与STFT时频谱比较：ECG-ID上二元图像对全部六种架构均获更高rank-1准确率，平均高5.1–14.8个百分点，四种架构经Holm校正后显著，EER在四种架构上显著更低；Heartprint上rank-1准确率仅23.4%–36.0%，两种表征无显著差异。分辨率控制显示二元心搏在时频谱画布上仅达40.4%（ResNet-18）和37.1%（DarkNet-53），低于两者，表明优势取决于分辨率。
4.2 架构与深度：ECG-ID上除VGG-19外五种架构聚集于80.4%–81.4%；参数和FLOPs不能预测准确率。深度系列中仅ResNet-34在ECG-ID显著提高3.0个百分点、ResNet-101在Heartprint显著降低3.6个百分点，更深并未一致提升。
4.3 跨受试者分类一致性：ResNet-18在ECG-ID上的宏平均召回率为二元图像79.5%、STFT时频谱72.4%，最低个体召回为0%和8.3%。
4.4 跨注册—探测间隔识别：Heartprint主要设计中，注册场次探测rank-1为75.7%–81.4%（二元）和60.9%–70.3%（STFT），5–28天后降至31.6%–37.0%和27.2%–33.1%，3022–3432天后降至19.7%–23.0%和11.8%–13.7%；29名受试者内比较显示下降13.1–19.0个百分点，12个组合中9个显著，下降幅度在架构间无显著差异。
4.5 开放集识别：ECG-ID上ResNet-18用二元图像在FPIR 1%时DIR达42.3%、10%时达65.4%，STFT降至23.0%和50.7%；Heartprint上任何配置DIR不高于5.8%（1%）或16.4%（10%）。
4.6 消融：196次比较中34次显著，预训练影响最大（DarkNet-53在ECG-ID损失24.1个百分点），限制每受试者20个心搏亦降低准确率；基线去除、图像大小、STFT窗口及配置2–5无显著影响。
4.7 测试轮次敏感性：Heartprint上测试最后轮次权重使rank-1平均提高5.1个百分点；改用最高验证rank-1轮次使Heartprint提高5.7个百分点而未逆转表征比较。
4.8 划分控制：心搏级划分将99.4%和99.5%的测试心搏置于也提供训练心搏的记录中，使ECG-ID提高9.6–11.2个百分点、Heartprint提高44.5–50.6个百分点。
**讨论与结论**
讨论部分认为基准仅部分支持H1：ECG-ID上二元图像优势在不同画布尺寸下保持，但控制无法将分辨率与表征内容分离，且两条流程未对称探索；Heartprint上两种表征无显著差异，划分控制表明表征比较结果取决于划分方式。深度增加未带来一致提升，残差或多分支设计也未一致更优，仅弱支持H2。间隔分析支持H3前半（准确率随间隔下降）但不支持后半（下降幅度不随架构显著变化）；最大下降发生在注册场次与首个后续场次之间，指向会话间变异而非缓慢生理变化，双场次注册可提升长间隔准确率约10–24个百分点。局限性包括数据集小且单导联、验证划分仅覆盖部分受试者、五个种子功效有限、跨GPU型号运行存在差异、预处理未优化、开放集非匹配探测少、未评估抗攻击性、更大库、新用户注册及可穿戴运行。伦理部分强调公开数据不等于匿名、GDPR第6条与第9条要求、EU AI Act高风险判定取决于预期目的，联邦学习本身不保证隐私。结论部分表明：ECG-ID上二元图像对六种架构均优于STFT时频谱（四种显著），优势在时频谱分辨率下消失；Heartprint上跨场次识别更难且两种表征无显著差异；共享记录的划分使ECG-ID提高约10个百分点、Heartprint提高45–51个百分点；更高深度、参数和FLOPs均未一致预测准确率；同一受试者间隔约九年后rank-1准确率低13–19个百分点且架构间无显著差异；开放集识别ECG-ID优于Heartprint。发现仅限于所评估数据集和协议，欺骗、重放、信号注入、对抗操纵和模板窃取抵抗力未评估，跨设备验证、更大规模多会话数据集和专门攻击测试仍需开展。
