H-LDM：用于从临床元数据生成可控且可解释 PCG 的层次化潜在扩散模型
机器学习
2026-02-13 v2 人工智能
摘要
脉搏心音图 (PCG) 分析对心血管疾病诊断至关重要，但稀缺的标记性病数据限制了人工智能系统的能力。为弥合这一差距，我们引入 H-LDM，这是一种用于从结构化元数据生成临床准确且可控 PCG 信号的层次化潜在扩散模型。我们的方法特点包括： (1) 多尺度变分自编码器 (VAE)，学习出生理上解耦的潜在空间，将节律、心音和杂音分离； (2) 基于丰富临床元数据的层次化文本到生物信号管线，实现对 17 种不同状况的细粒度控制； (3) 由新颖医学注意力模块指导的可解释扩散过程。在 PhysioNet CirCor 数据集上的实验表明，我们实现了最先进的性能，F\'{e}rechet Audio Distance 为 9.7，属性解耦得分达 92%，临床有效性达 87.1%（由心脏病医生确认）。通过我们的人工数据增强诊断模型，稀有疾病分类准确率提高了 11.3\%。H-LDM 为心脏诊断中的数据增强开辟了新方向，弥合数据稀缺与临床洞察之间的鸿沟。
引用
@article{arxiv.2511.14312,
title = {H-LDM: Hierarchical Latent Diffusion Models for Controllable and Interpretable PCG Synthesis from Clinical Metadata},
author = {Chenyang Xu and Siming Li and Hao Wang},
journal= {arXiv preprint arXiv:2511.14312},
year = {2026}
}
备注
This paper was accepted by IEEE BIBM 2025 conference