arXiv:2611.23345v1 cs.LG

BiMa-ECGSR: 양방향 상태 공간 모델을 이용한 축소 유도 집합으로부터의 12유도 심전도 재구성

BiMa-ECGSR: reconstructing the 12-lead ECG from reduced lead sets with bidirectional state-space models

Ugo Lomoio, Pierangelo Veltri, Pietro Hiram Guzzi

제출 2026-11-19

한국어 초록

웨어러블 기기와 모니터는 적은 수의 심전도(ECG) 유도만 기록하지만, 대부분의 진단 도구는 12유도를 전제로 한다. BiMa-ECGSR은 양방향 Mamba 상태 공간 인코더-디코더를 사용하여 축소된 유도 집합으로부터 12유도 심전도를 재구성하며, 회귀 방식(BiMa-SR) 또는 확산 방식(DiBiMa-SR)으로 구현된다. 모델은 여섯 가지 입력 집합(I; II; I+II; I+II+V1; I+II+V2; I+II+V1+V4)에 대해 PTB-XL로 학습되었고, 추론 시에는 측정된 유도만 입력으로 받으며, PTB-XL 테스트 폴드(2,198건)와 두 개의 외부 코호트(Georgia 10,275건; Chapman-Shaoxing/Ningbo 43,559건)에서 평가되었다. II유도만 사용했을 때 예측된 11개 유도에 대한 통합 피어슨 상관계수(PCC) 중앙값은 PTB-XL에서 0.914로, 최소제곱 선형 필터의 0.784보다 높았다(I유도: 0.906 대 0.789). 사지 유도는 I과 II로부터 정확히 유도되므로, 다중 유도 입력은 예측된 흉부 유도를 기준으로 비교하였으며, I+II에서는 0.939 대 0.849, I+II+V1+V4에서는 0.979 대 0.962였다. BiMa-SR은 18개 구성-코호트 쌍 모두에서 선형 비교 기법을 능가하였으며(0.012–0.136 차이), 흉부 유도가 추가될수록 그 격차는 줄어들었다. II유도 입력에서는 회귀 방식이 확산 방식보다 더 정확하였다(DiBiMa-SR: 1단계 0.903, 6단계 DDIM 0.862). 실제 심전도로만 학습한 12유도 분류기는 실제 PTB-XL 심전도에서 상위 범주 매크로 AUROC 0.912를 기록했고, II유도로부터의 재구성에서는 0.843, I+II+V1+V4로부터의 재구성에서는 0.908을 기록하였다. 외부 데이터에서는 세 개 또는 네 개 유도로부터의 재구성이 실제 심전도와 0.004 이내의 점수를 보였다. BiMa-SR(파라미터 268만 개)은 GPU에서 10초 길이 기록 하나당 45.8 ms가 소요된다. 재구성은 축소 유도 기록을 12유도 도구에서 사용할 수 있게 하지만, 측정된 유도에 없는 정보를 추가할 수는 없다.

원문 초록

Wearables and monitors record few electrocardiogram (ECG) leads; most diagnostic tools assume 12 leads. BiMa-ECGSR reconstructs the 12-lead ECG from reduced lead sets with a bidirectional Mamba state-space encoder--decoder, as regression (BiMa-SR) or diffusion (DiBiMa-SR). Models were trained on PTB-XL for six input sets (I; II; I+II; I+II+V1; I+II+V2; I+II+V1+V4), see only the measured leads at inference, and were tested on the PTB-XL test fold (2,198 records) and two external cohorts (Georgia, 10,275 records; Chapman-Shaoxing/Ningbo, 43,559). From lead II alone, the pooled median Pearson correlation (PCC) over the 11 predicted leads was 0.914 on PTB-XL, against 0.784 for a least-squares linear filter (lead I: 0.906 against 0.789). As limb leads are exactly derivable from I and II, multi-lead inputs were compared on predicted chest leads: 0.939 against 0.849 for I+II and 0.979 against 0.962 for I+II+V1+V4. BiMa-SR exceeded the linear comparator in all 18 configuration--cohort pairs (by 0.012--0.136), a margin that shrank as chest leads were added. From lead II, regression was more accurate than diffusion (DiBiMa-SR: 0.903 one-step, 0.862 with six DDIM steps). A 12-lead classifier trained only on real ECGs reached a superclass macro AUROC of 0.912 on real PTB-XL ECGs, 0.843 on reconstructions from lead II and 0.908 from I+II+V1+V4; externally, reconstructions from three or four leads scored within 0.004 of real ECGs. BiMa-SR (2.68\,M parameters) takes 45.8 ms per 10-s record on a GPU. Reconstruction makes reduced-lead recordings usable by 12-lead tools; it cannot add information absent from the measured leads.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2611.23345v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.