点击蓝字
关注我们
AI TIME 欢迎每一位 AI 爱好者的加入！
本文作者｜黄泊菘
论文整理｜蒲诗瑶
ICML 2026
论文题目：Learning Cardiac Latent Representations in Vectorcardiogram Space
第一作者：黄泊菘
论文链接：
https://arxiv.org/abs/2605.31249
论文项目链接
https://github.com/BosonHwang/LVCG
项目主页：
https://bosonhwang.github.io/LVCG-page/
12 导联心电图（ECG）是心脏医学的核心工具，但从数学角度审视，其信号冗余度极高。事实上，12 个导联中有 4 个可通过另外两个经线性运算精确推导得出：
III = II − I
aVR = −(I + II) / 2
aVL =(I − III) / 2 （= I − II/2）
aVF =(II + III) / 2 （= II − I/2）
上述关系并非近似，而是精确恒等式。然而，当前心电深度学习的主流方法仍是将 12 个导联作为独立输入通道馈入网络，导致模型浪费大量算力去重新学习这些固定的线性关系，而非捕捉真正的心脏结构特征。更严重的是，这种做法可能导致预测结果违反导联几何约束，产生生理上不可能的波形。
二、“可观测空间”的局限性
究其本质，12 导联 ECG 是什么？在经典 Frank 模型下，心脏任意时刻的电活动可概括为一个三维向量 v(t)，即向量心电图（Vectorcardiogram, VCG）。每个导联仅是该向量在特定方向 uₗ上的投影：
eₗ(t) = uₗᵀ v(t)
每个导联实为三维偶极子环的平面切片。在 ECG 空间中，P/QRS/T 波群挤在一条线上；而在 VCG 空间中，它们则呈现为清晰的环状结构。这意味着，12 导联 ECG 并非 12 个独立信号，而是同一三维物体的 12 个线性视角。这种特性带来了两个阻碍泛化能力的问题：
-
冗余性（Redundancy）：各视角本质上是彼此的线性组合，在导联空间学习相当于将与生理无关的相关性强行编码进表征中。 -
与采集几何的纠缠（Entanglement）：观测数据本质是“心脏信号⊗采集几何”。电极位置微调、个体体导电率差异、设备增益与滤波设置等均会重塑波形。因此，基于导联训练的模型往往同时学习了病人特征与特定“录制设备”特征，一旦跨医院、跨设备或跨人群应用，性能便显著下降。
真正的关键信息存在于上游源头。
三、核心思路：回归隐式 VCG 空间学习
LVCG（Latent VCG）是首个直接在隐式 VCG 空间而非可观测导联空间进行表征学习的通用自监督框架。其预训练任务简洁且完全无需标签：多导联重建。具体流程如下：
抬升（Lift，ECG → VCG）：利用导联几何矩阵的 Tikhonov 正则最小二乘逆，将可见导联映射回三维向量。此步骤纯物理驱动，无可学习参数，杜绝了几何层面的“作弊”可能。
编码（Encode）：共享编码器将每个心拍的 VCG 片段压缩为紧凑 token（保留形态、剔除冗余），并通过循环模块自回归建模心拍间动态，同时将 R–R 间期编码为节律嵌入。
投影（Project，VCG → ECG）：将预测的 VCG 片段通过固定几何投影回目标导联，以重建被遮蔽部分。
LVCG 预训练流程：从可见导联抬升至隐式 VCG 空间，在源空间编码心拍形态与时序动态，再投影回 ECG 空间重建缺失导联。
由于几何固定且表征具备视角不变性，LVCG 不再耗费资源重学导联间的平凡代数关系，而是专注于提取具有诊断价值的心脏电活动轨迹紧凑表征。
四、关键实验结果
LVCG 的优势在临床真实场景——标签稀缺、跨机构迁移及算力受限条件下尤为显著。
1. 标签越少，优势越大
冻结主干 + 线性头，6 个下游数据集平均表现。实线表示均值，短杠代表各基准测试。
在 1% 和 10% 标签量下，LVCG（绿线）稳定领先 HeartLang（橙线）和 ST-MEM（紫线）；即便在 100% 标签量时 HeartLang 略占优，LVCG 仍具强竞争力。平均 AUC@1% 数据显示：LVCG 为 67.3，HeartLang 为 63.8，ST-MEM 为 56.4。这正是“学习源头”在数据稀缺场景下的典型表现。
2. 跨域距离越远，增益越高
横轴为与 MIMIC-IV-ECG 预训练域的 Fréchet 距离（对数坐标），纵轴为 LVCG 相对 HeartLang 在 1% 标签下的 AUC 增益。Pearson 相关系数 r = 0.78。
所谓“换医院就掉点”，本质是在投影空间过度学习了采集几何特征。离预训练域越远（如 CPSC2018），LVCG 的领先幅度越大（CPSC @1% 提升 +10.6 AUC）。
t-SNE 可视化显示：相比 ST-MEM 和 HeartLang，LVCG 的诊断类别聚类更清晰，证明 VCG 空间表征在分布偏移的目标域上更具稳定性。
3. 高效轻量，性能卓越
LVCG 以 8.3M 参数量实现 1% 标签下 67.3 AUC，推理速度约 1.2 ms/样本，在同量级模型中占据 Pareto 前沿。相较之下，HeartLang 需 39M 参数且推理耗时约 16.5 ms。LVCG 在保持轻量、可部署的同时，未牺牲稀缺标签下的性能表现。
补充结果概要
|
|
|
|
|
|
|
|---|---|---|---|---|---|
|
|
|
|
|
|
|
| LVCG | 0.49 | 0.47 | 69.04 | 63.51 | 71.68 |
多导联重建（3→12）与跨领域迁移表现同样领先。消融实验显示，移除物理先验后，Super-class AUC@1% 从 75.33 骤降至 51.26。
左图：Nef-Net（MSE 0.69）；右图：LVCG（MSE 0.34）。绿色为输入的 3 个可见导联，红色为需重建的 9 个导联；灰线代表真值，彩线为预测结果。
五、未来展望
LVCG 成功验证了“先在源空间学习、再投影回导联”的技术路径，但仍有多维拓展空间：
更少导联、更强重建：从 3 导联进一步推演至 1–2 导联的可穿戴应用场景。
跨设备、跨人群零样本迁移：利用固定几何层天然解耦采集差异的优势。
心电大模型预训练底座：探索 VCG 空间表征是否可成为下一代 ECG Foundation Model 的默认起点。
拓展至非心脏疾病：肾病、糖尿病、脓毒症等初步结果表明，物理约束表征有望拓宽生理 AI 的应用边界。
作者简介
黄泊菘，本文第一作者，格里菲斯大学博士生，研究方向为生理信号表征学习与医疗多模态大模型。
金明，格里菲斯大学副教授、本文通讯作者，研究方向为时间序列智能与时空数据挖掘，相关工作发表于 NeurIPS、ICML、KDD 等顶级会议。Google Scholar 被引近 8000 次，入选 IEEE Computer Society 2025 全球 AI 杰出青年学者（30 Under 30）。
潘世瑞，格里菲斯大学信息与通信技术学院教授、本文通讯作者，主要从事人工智能、数据挖掘与机器学习研究，在图学习与大模型基础等方向带领团队开展长期系统性工作。
关于 AI TIME
AI TIME 源起于 2019 年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球 AI 学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
迄今为止，AI TIME 已经邀请了 2000 多位海内外讲者，举办了逾 800 场活动，超 1000 万人次观看。
