《Physiological Reports》：HAT-ECG: Hybrid autoencoder-transformer architecture for ECG arrhythmia classification
编辑推荐：
准确高效的体表心电图（Electrocardiogram, ECG）信号分析对早期检出心律失常至关重要。然而，许多深度学习模型存在对未见患者泛化能力有限、可解释性差及计算需求高等问题。为解决上述挑战，研究人员提出HAT-ECG——一种融合无监督特征学习与基于注
准确高效的体表心电图（Electrocardiogram, ECG）信号分析对早期检出心律失常至关重要。然而，许多深度学习模型存在对未见患者泛化能力有限、可解释性差及计算需求高等问题。为解决上述挑战，研究人员提出HAT-ECG——一种融合无监督特征学习与基于注意力的时序建模之混合自编码器(Autoencoder)-Transformer架构。其中卷积自编码器(Convolutional Autoencoder)提取ECG心拍紧凑且抗噪的隐空间表征(latent representation)，而Transformer之多头注意力(Multi-Head Attention)机制自适应聚焦于具诊断价值的波形区段。该模型在三个公开数据集上评估：MIT-BIH、INCART及独立的PTB诊断心电图数据集（PTB Diagnostic ECG Dataset，290名受试者，完全独立于原始数据集）。在标准按心拍划分(beat-wise splitting)之基准测试中，HAT-ECG取得业界最佳准确率：MIT-BIH五类99.91%、MIT-BIH AAMI标准四类99.69%、INCART AAMI三类99.15%、PTB二分类98.45%。关键的是，在MIT-BIH严格按患者划分(patient-wise splitting，训练集与测试集患者完全不相交)下，模型维持合理准确率90.81%（F1值92.61%），对新患者具强泛化能力。模型仅需0.021 GFLOPs运算量，在高效能、可解释性与精确度间取得优异平衡，极适合实时可穿戴及边缘(edge-device)心脏监测。本研究通过结合精度、跨患者泛化能力与低计算开销，推进了面向可部署智能心律失常分类之深度学习发展。
论文解读：HAT-ECG——基于混合自编码器与Transformer的心电图心律失常分类研究
该研究发表于《Physiological Reports》。心电图表征(Electrocardiogram, ECG)是监测心脏活动与检出心律失常的基础工具，准确及时的心律失常检测可显著降低心肌梗死与心源性猝死风险，故自动ECG分类系统在临床与可穿戴设备中备受关注。然而当前方法面临若干瓶颈：ECG信号固有噪声大且个体间形态变异显著；心律失常类别在公开数据集中极度不平衡（正常心拍远多于病理心拍）；多数深度学习模型按固定长度截取心拍会丢失上下文或引入伪影；纯卷积神经网络(CNN)难以捕获跨心动周期的长程依赖，循环神经网络(RNN/LSTM)训练慢且对长序列处理困难；高性能深度模型计算量大，限制其在资源受限环境中的实时应用。此外，多数高精度结果源于按心拍随机切分(beat-wise split)，存在同一患者数据同时出现在训练与测试集之信息泄露，导致泛化能力被高估，严格的患者间划分(patient-wise split)评估较缺乏。为此，研究人员开展此项研究，提出HAT-ECG混合架构，融合卷积自编码器无监督表征学习与Transformer多头注意力时序建模，旨在兼顾判别力、跨患者泛化性与低计算复杂度，并通过AAMI EC57标准评估验证其效能。
研究人员采用的关键技术方法如下：使用MIT-BIH心律失常数据库(47名受试者/48条记录/360 Hz)、St Petersburg INCART 12导联心律失常数据库(32名受试者/75条记录/257 Hz)及PTB诊断心电图数据集(290名受试者/549条记录/1000 Hz)；ECG信号经四阶Butterworth带通滤波(0.5–40 Hz)去基线漂移与高频噪声后做Min-Max归一化至[0,1]；采用两种心拍分割策略——固定长度(300采样点：R波前200+后100)与变长度(300–400采样点，基长350加随机填充)；针对类别不平衡采用过采样(oversampling)、欠采样(undersampling)及混合采样，并以加高斯噪声(σ=0.005)、随机缩放(因子0.95–1.05)及时移进行数据增强；用卷积自编码器(Conv1D层→潜在编码维度：300输入→75×64，400输入→100×64)以MSE损失无监督预训练提取隐特征；将隐特征序列输入含两层Encoder Block之轻量Transformer(多头注意力Multi-Head Attention头数=4，前馈网络ff_dim=256，残差连接与层归一化)，全局平均池化后经全连接层与Softmax输出AAMI标准分类；评估协议含标准80/20心拍划分(beat-wise)与严格患者互斥划分(patient-wise，MIT-BIH训练22人/测试21人)，指标含Accuracy、Precision、Recall、F1-Score、ROC-AUC及Cohen's Kappa，结果取多次随机种子均值。
3.1 Preprocessing and evaluation protocol
研究人员经前述滤波归一化与平衡采样后，确认预处理流程可有效保留P-QRS-T形态特征，各类重采样策略成功消除严重类别失衡影响。
3.2 Hyperparameters and model configuration
详述自编码器(Conv1D滤波器128→64，核5，步长2；解码用转置卷积)与Transformer(2层，dropout=0.2，Adam优化器，SparseCategoricalCrossentropy损失)超参数。整个混合流水线仅需约0.021 GFLOPs（自编码器0.010 GFLOPs + Transformer 0.011 GFLOPs），证实适合边缘端部署。
3.3 Experimental results
在MIT-BIH常规五类评价中，过采样+固定300采样点达最高Accuracy 99.91%、F1-score 99.91%；变长度分割略降至98.28%但提升鲁棒性。MIT-BIH按AAMI标准映射后，过采样+固定窗取得Accuracy 99.69%、Cohen's Kappa 99.62%。INCART数据集(AAMI三类)过采样下Accuracy 99.15%。PTB二分类(正常/异常)过采样下Accuracy 98.45%、F1-score 98.44%。各场景下宏平均指标均表现优异，混合采样次之，欠采样因丢失多数类信息性能略降但仍具竞争力。
3.4 Patient-wise evaluation and generalization to unseen subjects
MIT-BIH严格按患者划分(训练集与测试集完全无重叠受试者)，HAT-ECG获整体Accuracy 90.81%、F1-score 92.61%、Precision 94.11%、Recall 91.72%，证明模型能学习跨个体的病理性波形共性而非依赖患者特异性形态，具真实临床泛化意义。
3.5 Dataset statistics
列出MIT-BIH与INCART按AAMI superclass映射后之心拍分布，确认正常类(N)远超室上性(SVEB)、室性(VEB)、融合(F)等少数类，佐证平衡策略必要性。
3.6 Confusion matrices and training trends
混淆矩阵显示多数类与少数类心律失常均被正确识别且误分类极少；训练/验证准确率与损失曲线表明模型快速收敛且无显著过拟合；最佳场景ROC曲线接近完美(AUC≈1.0)。
3.7 Per-class classification performance and beat-type discrimination
逐类分析表明：MIT-BIH五类中Normal、LBBB、RBBB、PVC(VEB)、Paced beat之Recall均>97.9%，AAMI标准下N/SVEB/VEB/Fusion/Unknown各类Precision与Recall均>99%；INCART上N/SVEB/VEB也维持高判别力，束支传导阻滞(LBBB/RBBB)归为Normal类时未被误判为VEB(Recall>99%)，说明自编码器-Transformer能有效区分传导异常与室性心律失常。
讨论与结论总结
讨论指出HAT-ECG优于近期纯Transformer或CNN方法——卷积自编码器压缩形态信息至多通道隐表征，Transformer多头注意力捕获心拍内/间长程时序依赖并动态聚焦P波、QRS波群、T波等诊断区段，实现隐式去噪与自适应特征选择。虽隐空间未显式约束对应生理参数，但注意力机制使低幅值长时相成分(P波、T波)与QRS共同贡献分类决策，改善对细微/异质形态心律失常之鉴别。严格患者划分下90.81%准确率说明模型习得疾病不变表征，抑制个体特异性；变长度分割耐受心率波动，契合可穿戴监测场景。模型仅0.021 GFLOPs，适合实时边缘部署。局限含未做可解释AI(XAI)归因分析及需在更大独立临床队列验证。结论：HAT-ECG通过可变长度R峰中心分割、自编码器潜特征学习与Transformer时序建模相结合，有效捕获局部波形形态与长程心脏依赖，在多个基准数据集上具高分类性能与跨患者泛化能力，低计算成本为实时可穿戴心脏监测提供可行方案。未来工作将聚焦于可解释AI分析及在完全患者独立临床队列中之验证。
（注：AAMI = Association for the Advancement of Medical Instrumentation 美国医疗器械促进协会；SVEB = Supraventricular Ectopic Beat 室上性异位搏动；VEB = Ventricular Ectopic Beat 室性异位搏动；GFLOPs = Giga Floating-point Operations 十亿次浮点运算；RBBB = Right Bundle Branch Block 右束支传导阻滞；LBBB = Left Bundle Branch Block 左束支传导阻滞；PVC = Premature Ventricular Contraction 室性期前收缩）
