摘要
背景： 12导联心电图（ECG）的自动化解读仍然具有挑战性，因为多种异常可能同时存在，并出现在特定的导联或短暂的波形片段中。我们开发了一个紧凑且可解释的框架，用于五类超类别多标签心电图诊断。方法： 我们使用官方折协议对PTB-XL记录进行评估，其中第1–8折用于训练，第9折用于验证监控和特定于类别的阈值选择，第10折用于独立内部测试。随后，我们在不重新训练、重新校准或进行外部阈值调整的情况下，将冻结的133万参数InceptionTime–CNN–BiGRU–Transformer模型及验证集导出的阈值应用于15,931份宁波心电图。我们还考察了校准、人口学亚组、计算效率以及互补的心电图领域归因方法。结果： 在PTB-XL第10折上Macro-AUROC达到90.83%，在宁波数据上达到88.85%，表明诊断排序总体一致，外部评估时有适度下降。敏感性分析显示，仅使用CNN在六个终点中的五个上优于冻结的主要模型。归因分析在代表性案例中突出了定性上合理的导联和时间模式，而校准和亚组分析进一步描述了模型在数据集偏移下的表现。结论： 我们的框架整合了泄漏感知开发、阈值控制的测试、冻结外部验证和多方法可解释性。这些发现支持将其作为多标签心电图解读的潜在辅助工具，进行进一步的前瞻性、本地校准评估。
