心电自监督论文分享（5） —— Beat-SSL：基于心跳级软目标对比学习捕获局部 ECG 形态-开发者社区

Beat-SSL: Capturing Local ECG Morphology through Heartbeat-Level Contrastive Learning with Soft Targets

研究背景与动机

获取大规模有标注 ECG 数据用于训练监督模型极具挑战性。对比学习（Contrastive Learning, CL）作为一种有效的预训练方法，能够利用无标注数据实现迁移学习，从而减少对有标注数据的依赖。然而，现有 CL 框架在 ECG 分析中存在以下两个核心不足：

仅关注全局上下文：如 3KG 等方法利用 VCG 域变换进行对比学习，仅考虑整段 ECG 的节律级（rhythm-level）全局特征，忽略了心搏级别的局部形态信息。Oh 等人虽然提出了双上下文预训练（CMSC + Wave2vec），但未将心跳作为对比学习的基本单元。
硬目标局限性：现有方法使用二值的硬对比目标（0 或 1），无法充分捕捉 ECG 信号中特征相似性的连续性质。同一患者不同心跳之间、不同患者相似病理模式之间的连续相似度被简单粗暴地二值化。

针对上述问题，作者提出了Beat-SSL：一种通过节律级（rhythm-level）和心跳级（heartbeat-level）双上下文对比学习，并引入软目标（Soft Targets）策略的 ECG 自监督框架。

数据集与实验任务

预训练阶段：使用PTB-XL数据集（folds 1~8），21,837 条无标注 12 导联 ECG，采样率 500 Hz，时长 10 秒。
下游任务：
1. 任务 1 — 多标签分类（全局节律评估）：PTB-XL 超诊断 5 类（NORM、CD、MI、HYP、STTC），线性探测（frozen encoder + 单层线性分类器）
2. 任务 2 — ECG 波分割（局部形态评估）：LUDB 数据集（200 条记录），分割 P 波 / QRS 波 / T 波的起止点，使用镜像编码器的解码器 + 单输出通道
对比方法：TS2Vec、Domain-SSL、ECG-FM

架构图与核心方法

整体框架如 Fig. 1A 所示，包含节律级对比和心跳级对比两个并行的对比学习路径，二者共享同一个编码器。

全局上下文：节律级对比（Rhythm Contrasting）
采用 3KG 增强策略，在 VCG（向量心电图）域进行数据增强，该增强策略确保变换在生理上是有意义的，不会将信号扭曲为病理形态。
X~=MKors−1⋅A(MKors⋅X)+ϵ \tilde{X} = M^{-1}_{Kors} \cdot \mathcal{A}(M_{Kors} \cdot X) + \epsilonX~=MKors−1⋅A(MKors⋅X)+ϵ

MKors∈R3×12M_{Kors} \in \mathbb{R}^{3 \times 12}MKors∈R3×12：Kors 变换矩阵，将 12 导联 ECG 转换为 3 维 VCG
A(⋅)\mathcal{A}(\cdot)A(⋅)：VCG 域增强操作（随机旋转[−15∘,15∘][-15^\circ, 15^\circ][−15∘,15∘]+ 缩放[1.0,1.2][1.0, 1.2][1.0,1.2]）
MKors−1M^{-1}_{Kors}MKors−1：伪逆矩阵，VCG 重构回 12 导联 ECG
ϵ∼N(0,0.052)\epsilon \sim \mathcal{N}(0, 0.05^2)ϵ∼N(0,0.052)：加性高斯噪声

局部上下文：心跳级对比（Heartbeat Contrasting），在心跳级别进行对比学习，捕获个体心搏的形态特征（P 波、QRS 波、T 波）。
首先进行R 峰检测：预处理阶段在 Lead-II 上检测 R 峰位置，以 R 峰为中心裁剪心跳片段，然后进行特征提取：不单独输入裁剪后的心跳信号（维度不匹配），而是将完整 10 秒 ECG 输入编码器一次，再根据投影后的 R 峰位置从编码器输出中切分心跳级表示——类比 Fast R-CNN 中的 ROI Pooling，其次将提取后的心跳表示通过专用的心跳投影头gb(⋅)g_b(\cdot)gb(⋅)映射到对比空间，最后使用伪标签作为硬对比目标，伪标签由在 MIT-BIH 心律失常数据集上预训练的 Lead-II 心拍分类器（5 类 AAMI）生成。
软目标对比（Soft Contrasting）：用连续相似度（0~1）替代二值硬目标（0 或 1），在预处理阶段从 ECG 信号中提取一组特征，基于这些特征计算两种软目标：

版本	计算方法	特点
soft_1	特征拼接 → 逐对余弦相似度 → 幂指数放大	连续值，幂指数增强高相似度
soft_2	特征 p-norm 距离 → Top-k 近邻加权（k=3 时权重为 1, 2/3, 1/3）→ 其余为 0	基于近邻排名的软权重

对于 soft_1，将特征集NNN与自身拼接形成2N×2N2N \times 2N2N×2N的软目标矩阵。幂指数因子用于强调高相似度值，使模型更关注高度相似的样本对。

对于 soft_2，思路类似 Domain-SSL，但不是简单地添加 k 个硬正样本对，而是根据近邻排名分配连续软权重。

损失函数

使用广义NT-Xent（Normalised Temperature-scaled Cross Entropy）损失：

ℓi,j=−∑k≠i2Nwi,k⋅log⁡exp⁡(sim(zi,zj)/τ)∑m≠i2Nexp⁡(sim(zi,zm)/τ) \ell_{i,j} = - \sum_{k \neq i}^{2N} w_{i,k} \cdot \log \frac{\exp(\text{sim}(z_i, z_j) / \tau)}{\sum_{m \neq i}^{2N} \exp(\text{sim}(z_i, z_m) / \tau)}ℓi,j=−k=i∑2Nwi,k⋅log∑m=i2Nexp(sim(zi,zm)/τ)exp(sim(zi,zj)/τ)

zzz：投影头输出的 128 维向量
sim(⋅)\text{sim}(\cdot)sim(⋅)：余弦相似度
τ\tauτ：温度参数
wi,kw_{i,k}wi,k：对比目标权重（硬目标为 0/1，软目标为 [0,1] 连续值）

训练与推理

预训练：使用 PTB-XL folds 1~8（无标签），14 种消融配置组合
下游推理：
- 任务 1：冻结编码器 → 1D MaxPooling（kernel=4）→ 单层线性分类器，BCE 损失
- 任务 2：冻结编码器 → 镜像解码器 → 单输出通道逐样本分类，Cross-Entropy 损失
所有方法 5 次 k-fold 交叉验证（任务 1: k=10，任务 2: k=5）

实验结果与结论

消融实验

幂指数因子Exp=50在所有使用 soft_1 的配置下均提升了两个任务的性能
节律级使用 soft_1 对两个下游任务均有提升；soft_2 对任务 2 有益，但会降低任务 1 性能
心跳级对比的效果高度依赖与其他配置的组合，单独分析较困难

与现有方法对比

任务 1（多标签分类）：Beat-SSL 达到 ECG-FM 最佳 F1 的 93%，但仅用了 31.8 倍更少的预训练数据；对 TS2Vec 和 Domain-SSL 具有统计显著性优势（p < 0.01）
任务 2（ECG 分割）：Beat-SSL 取得最佳 F1/Dice，超过第二名 TS2Vec 4%，对所有方法均统计显著（p < 0.01）

局限性与发展

优势

双上下文对比学习：节律级（全局）+ 心跳级（局部）双路径对比，共享单一编码器，通过 ROI Pooling 方式巧妙避免了输入维度不匹配问题
软目标策略：用连续相似度替代二值硬目标，更精细地捕捉 ECG 信号之间的特征相似性，幂指数因子进一步增强高相似度信号的对比监督
VCG 域生理增强：在 VCG 域进行旋转/缩放增强，确保增强在生理上合理、不会引入病理形态失真
数据效率高：以极少的预训练数据达到接近大规模基础模型的全局性能，并在局部分割任务上全面超越
双任务验证：同时验证全局（多标签分类）和局部（波分割）上下文表征能力，评估更全面

局限性

预训练数据规模有限：仅在 PTB-XL 上预训练，相比 ECG-FM数据量仍有差距，更大规模预训练可能进一步提升全局任务性能
心跳伪标签依赖外部分类器：心跳级硬目标需要 Lead-II 心拍分类器预先生成伪标签，增加了预处理复杂度，且伪标签质量会影响对比学习效果，其中心拍分类器的性能也会影响这个自监督的预训练
软目标特征选择未深入探讨：soft_1 和 soft_2 使用的 ECG 预处理特征集合的具体构成和选择标准未详细展开
仅限 12 导联 ECG：框架针对标准 12 导联设计，对少导联（如单导联 Holter）场景的适用性待验证