无线电生理信号中移位不变特征归因
信号处理
2026-03-24 v1 人工智能
机器学习
摘要
为机器学习模型的输入特征分配相关性得分，可衡量特征在实现正确结果方面的贡献，被视为向可解释模型发展的一种方法。对于生物医学应用而言，这非常有用，帮助医学专家理解基于机器学习的决策。在心电图（ECG）信号分析中，尤其是理解哪些心电图样本或特征对特定决策贡献最大，相当于理解机器试图解释的潜在心脏相位或条件。为了计算相关性得分，确定恰当的基准非常重要。此外，得分分布应既直观易解，又易与潜在心脏现实关联。本工作的目的是实现上述目标。具体而言，我们提出了一种在生物医学分析中具有物理意义的移位不变基准，便于解释心电图测量。我们以一种方式聚合显著性得分，使其可映射到心脏相位。我们通过在残差网络中推断心脏运动状态来演示我们的方法。我们表明，获得最高相关性得分的心电图样本（因此对准确识别心脏运动状态贡献最大）与P波和T波相关。
引用
@article{arxiv.2603.20462,
title = {Shift-Invariant Feature Attribution in the Application of Wireless Electrocardiograms},
author = {Yalemzerf Getnet and Abiy Tasissa and Waltenegus Dargie},
journal= {arXiv preprint arXiv:2603.20462},
year = {2026}
}