[论文解读] MINA: Multilevel Knowledge-Guided Attention for Modeling Electrocardiography Signals

Shenda Hong, Cao Xiao+3 more|arXiv (Cornell University)|May 27, 2019

ECG Monitoring and Analysis参考文献 18被引用 6

一句话总结

MINA 提出了一种多层级知识引导注意力网络，将心 beat、心律和频率层级的临床知识整合到深度学习模型中，实现可解释的心电图（ECG）分析。通过使用领域特定的注意力机制和频域融合，MINA 在心房颤动预测任务中实现了 0.9436 的 PR-AUC，较最佳基线提升 5.51%，同时在噪声和信号失真条件下保持了鲁棒性和可解释性。

ABSTRACT

Electrocardiography (ECG) signals are commonly used to diagnose various cardiac abnormalities. Recently, deep learning models showed initial success on modeling ECG data, however they are mostly black-box, thus lack interpretability needed for clinical usage. In this work, we propose MultIlevel kNowledge-guided Attention networks (MINA) that predict heart diseases from ECG signals with intuitive explanation aligned with medical knowledge. By extracting multilevel (beat-, rhythm- and frequency-level) domain knowledge features separately, MINA combines the medical knowledge and ECG data via a multilevel attention model, making the learned models highly interpretable. Our experiments showed MINA achieved PR-AUC 0.9436 (outperforming the best baseline by 5.51%) in real world ECG dataset. Finally, MINA also demonstrated robust performance and strong interpretability against signal distortion and noise contamination.

研究动机与目标

• 解决深度学习模型在 ECG 信号分析中可解释性不足的问题，该问题限制了其在临床中的应用。
• 将心 beat、心律和频率层级的临床知识整合到统一的深度学习框架中。
• 提升模型在真实世界信号失真和噪声污染（常见于临床 ECG 数据）下的鲁棒性。
• 通过突出显示 QRS 复合波和心律失常模式等具有诊断意义的 ECG 特征，使模型输出与医学认知保持一致。
• 开发评估方法，综合评估模型在信号退化条件下的可解释性与鲁棒性，以反映真实世界的诊断情境。

提出的方法

• 使用受形态学知识（如 P 波、QRS 复合波）引导的卷积神经网络（CNN）提取 beat 级特征。
• 使用受时间模式知识（如心律失常）引导的循环神经网络（RNN）提取心律级特征。
• 应用频域注意力机制，识别具有临床意义的频带（如 10–50 Hz 的 QRS 主导频带）。
• 通过多层级注意力机制，将时间、心律和频率域的注意力权重进行融合，生成最终预测结果。
• 利用频域注意力融合，通过聚焦于干净信号分量，降低对基线漂移和高频噪声的敏感性。
• 采用端到端训练并引入注意力监督，使注意力图能够反映医学相关性，从而提升可解释性。

实验结果

研究问题

• RQ1 深度学习模型能否通过整合多层级临床知识（beat、rhythm、frequency）提升基于 ECG 的心脏病预测的可解释性？
• RQ2 所提出的多层级注意力机制在应对基线漂移失真和高频噪声时，如何增强模型的鲁棒性？
• RQ3 该模型的注意力机制在多大程度上与已知的临床标志物（如 QRS 复合波和心律失常模式）对齐？
• RQ4 与标准注意力或基线模型相比，频域注意力融合是否能提升模型在信号退化条件下的性能与鲁棒性？
• RQ5 在真实世界噪声 ECG 数据中，该模型能否在保持高性能预测的同时，提供具有临床可解释性的注意力图？

主要发现

• MINA 在真实世界 ECG 数据集上对心房颤动预测的 PR-AUC 达到 0.9436，较最佳基线提升 5.51%。
• 模型在基线漂移失真下表现出强鲁棒性，即使在高失真幅度下，PR-AUC 下降幅度也显著低于基线模型。
• 在白噪声污染条件下，MINA 保持了稳定的性能与可解释性，注意力始终聚焦于 0.5–50 Hz 频带（QRS 主导），而受噪声影响的高频通道（>50 Hz）获得较低的注意力权重。
• 频域注意力融合使模型能够识别并优先关注具有临床意义的信号分量（如 10–50 Hz），从而减轻低频基线漂移和高频噪声的影响。
• 注意力可视化结果证实，模型成功突出了具有诊断意义的特征，如 QRS 复合波和心律变化，与临床知识高度一致。
• 在信号退化条件下，模型的可解释性得以保持，其 beat 级与心律级注意力模式在干净信号频带内与原始无扰动数据保持一致。