怎么用“可变形卷积”这样的深度学习模块，让 12 导联心电图的自动分类更聪明一点。

论文题目是：

Automatic 12-Leading Electrocardiogram Classification Network with Deformable Convolution（EMBC 2021）

下面我将详细解读一下这篇工作。

一、为什么要折腾 12 导联心电图？

心血管疾病是全球主要死因之一，2016 年大约有 1790 万人死于心血管疾病，占全人类死亡人数的三分之一。
要发现这些问题，最常用的一种检查就是 心电图（ECG）。

临床上完整的一次心电图检查通常会记录 12 个导联：I、II、III、aVR、aVL、aVF、V1–V6。每个导联都像是从不同角度“拍”心脏的电活动，因此 12 导联一起看，信息才是完整的。

问题是：

• 心电信号本身噪声大、形态复杂；

• 不同疾病在不同导联上的表现也不一样；

• 诊断高度依赖医生经验，而且费时，很难做到实时监测。

所以，自动心电图分类 一直是 AI+医疗里一个很热门的方向。

二、传统 CNN 的短板：只会“挖局部坑”，不太会“看整体关系”

近年来已经有不少基于深度学习的 ECG 自动诊断方法，常见的有：

• 一维 CNN、

• LSTM / Bi-LSTM、

• Encoder–Decoder 模型等。

但作者指出：普通 CNN 有一个关键短板——

卷积核位置是固定的，只能在一个局部邻域里滑动采样。
这对处理单导联的时间序列没问题，但难以显式地建模不同导联之间的相关性。

直观理解：

• 普通卷积就像拿一块 3×3 的小“模板”在特征图上平移，模板里每个格子的相对位置永远固定。

• 对 12 导联 ECG 来说，我们希望模型有能力：

  • 有时候同时“看” V1 和 V6；

  • 有时候跳着“看” II、aVF 和 V3 ……
    但普通 CNN 的采样位置是均匀网格，很难做到这么灵活。

三、可变形卷积：让卷积核“长腿”，自己学会往哪里看

为了解决这个问题，论文采用了 Deformable Convolution（可变形卷积） 的思想。

1. 普通卷积怎么做？

普通卷积是这样的：

• 假设有一个 3×3 卷积核，它在特征图上滑动；

• 每个输出位置，都是周围 3×3 网格上 9 个采样点，按固定权重加权求和。

采样位置集合是固定的，比如：
{(-1,-1), (-1,0), …, (1,1)}

2. 可变形卷积怎么改？

可变形卷积在这个基础上，加了一个可学习的位移 offset：

• 对每个采样点，不再只看固定位置 (i+Δx, j+Δy)，
  而是看 (i+Δx+Δx', j+Δy+Δy')，

• 这里的 Δx'、Δy' 是网络学出来的、跟输入内容有关。

也就是说：

卷积核不再是一个规则方块，而是一组可以“变形”的采样点。

直观比喻：

• 普通卷积：拿一个死板的九宫格遮罩，到处盖一下一次看 9 个点；

• 可变形卷积：九宫格的 9 个“眼睛”可以伸长、拉近，自己找到更有代表性的 9 个点去看。

对 12 导联 ECG 而言，这意味著：

• 卷积核可以横向在时间维度上看波形周期，

• 也可以纵向跨导联跳着采样，从而自动挖掘 跨导联的相关性和节律特征。

四、DCNet：由 4 个 DCN block 堆出来的心电网络

作者把可变形卷积嵌到一套专门为 12 导联 ECG 设计的网络里，称之为 DCNet（Deformable Convolution Network）。

1. 输入表示方式

• 将 12 导联 ECG 按行排成一个矩阵，每一行对应一个导联；

• 使用 一维卷积（1×3） 来抽取单导联上的局部时间特征。

由于导联之间的相关性与导联顺序无关，普通卷积难以利用“导联之间”的结构；这正是可变形卷积可以发挥作用的地方。

2. DCN block 结构

论文中提出了一个基础模块 DCN block，每个 block 包含：

1. 两层 1×3 一维卷积 + ReLU

   • 先在每个导联内部，沿时间轴提取局部特征；

2. 1×4 最大池化

   • 在时间维度上降采样，压缩序列长度；

3. 一层 3×3 的可变形卷积 + ReLU

   • 在时间和导联两个维度上，自适应地选择采样点，进行信息整合和跨导联特征提取。

网络中一共 堆叠 4 个 DCN block，然后进入分类头：

• 使用 Global Average Pooling（全局平均池化）；

• 接一个全连接层 + Softmax 输出 9 类心电类型的概率。

3. 实现细节

• 框架：PyTorch 1.4.0；

• 优化器：SGD，动量 0.5，初始学习率 0.0001；

• 训练：batch size 8，最多 100 个 epoch，从中选验证集精度最高的模型；

• 硬件：i9-9900K + 32GB 内存 + RTX 2080。

五、数据集与预处理：来自 CPSC 2018 的 12 导联心电

作者使用的是 China Physiological Signal Challenge 2018 (CPSC-2018) 公共数据集。

1. 数据情况

• 数据来自 11 家不同医院；

• 采样率 500 Hz，都是 12 导联；

• 每条记录的时长不一致：最短 6 秒，最长 144 秒；

• 一共 9 个类别：

  • Normal（正常）

  • AF（房颤）

  • I-AVB（一度房室传导阻滞）

  • LBBB（左束支传导阻滞）

  • RBBB（右束支传导阻滞）

  • PAC（房性早搏）

  • PVC（室性早搏）

  • STD（ST 段压低）

  • STE（ST 段抬高）。

2. 预处理方法

为了适应 DCNet 的结构，作者做了几步简单预处理：

1. 去掉少量“特别异常”的记录（例如严重缺失或噪声极大）；

2. 下采样到 250 Hz，减小数据量、提高训练效率；

3. 统一时长为 30 秒：

   • 对短于 30 秒的记录，通过“重复填充”的方式补长；

   • 统一后，长度为 7500 个采样点；

4. 最终得到 5850 条 ECG 记录，划分为：

   • 3510 条作训练集；

   • 1170 条作验证集；

   • 1170 条作测试集。

可以看到，作者刻意保持了预处理流程的简单，不做复杂的波形分段或特征工程，而是让网络自己学习特征。

六、实验结果：DCNet 的表现到底怎样？

1. 评价指标

论文使用的是 分类准确率（Accuracy） 作为主要指标。

这里没有用 F1-score / AUC 等更细致的指标，这是一个可以讨论的点（见后面的“局限与思考”）。

2. 不同网络结构组合的对比（消融实验）

作者先研究了：

• DCN block 堆多少层合适？

• 每个 block 里放几层普通卷积合适？

不同组合的对比结果整理在 Table II 中：

结论是：

• 4 个 DCN block；

• 每个 block 内有 2 层普通卷积 + 1 层可变形卷积

这一组合的测试集准确率最高，达到了 86.3%（0.863）。

另外，从训练曲线来看，这个结构在大约 50 个 epoch 左右就基本收敛。

3. 与经典网络的横向对比

作者把 DCNet 和几种常见结构做了对比：

• LSTM；

• VGG16；

• ResNet18；

• ResNet50；

• “同层数普通 CNN”（与 DCNet 层数相同，但全部用 3×3 普通卷积）。

在相同数据集、相同预处理、相同划分下，得到的 加权平均准确率 如下（基于测试集）：

模型	加权平均 Accuracy
LSTM	0.773
VGG16	0.813
ResNet18	0.798
ResNet50	0.779
普通 CNN	0.801
DCNet	0.863

可以看到，DCNet 的整体准确率明显优于其他模型，比排在第二的 VGG16 还高 0.05 左右，比普通 CNN 高出约 0.062。

如果拆到具体类别，DCNet 在多类上都表现最好，比如：

• AF：0.945

• RBBB：0.942

• PVC：0.937

• 对难度较大的 PAC，准确率也达到 0.716，显著优于 LSTM 和 VGG16 等。

当然，在某些类别上（比如 STD、STE），DCNet 并不是绝对第一，但总体加权表现最好。

七、这篇工作的意义在哪里？

1. 临床层面的意义

论文最后也强调了这点：

他们的模型可以实现高精度的 12 导联心电自动分类，有望减轻医务人员的工作负担，实现更实时的心电监测。

注意这里的关键词：

• 12 导联：更贴近真实临床心电，而不是单导联/少导联采集；

• 自动分类：可嵌入监护设备、云平台等，做前筛查或辅助诊断。

2. 工程 / 算法层面的启发

这篇文章最核心的启发是：

对多通道医疗信号（不仅仅是 ECG），可变形卷积是一种很自然的建模方式。

因为很多这种信号都有类似特点：

• 通道之间存在丰富但不规则的相关性；

• 这些相关性不一定遵守“相邻通道更相关”这样的简单假设；

• 比如多导联 ECG、多通道脑电（EEG）、多导睡眠监测信号（PSG）等。

在这些情况下，让卷积核的采样位置自己“长腿”，去自由选择更有用的采样点，有时比用固定网格更适合。

八、局限与个人思考

最后简单聊聊这篇工作的局限性和可以改进之处（论文里有些是隐含的，我这里稍微延展一下）：

1. 评价指标偏单一

   • 仅使用准确率作为指标，在类别严重不平衡（例如 STE、LBBB 样本较少）的情况下，可能掩盖某些类别上的问题。

   • 若能提供每类 F1-score、宏平均 F1、混淆矩阵等，会更全面。

2. 数据集单一

   • 所有实验只在 CPSC-2018 上进行，对模型的跨医院、跨设备、跨人群泛化能力，仍需要更多验证。

   • 特别是导联放置方式、噪声形态的变化，可能会影响可变形卷积的偏好。

3. 固定 30 秒截断 / 填充的策略

   • 通过重复填充把短记录补到 30 秒，这在工程上简单有效，但不一定与临床场景完全匹配；

   • 一些疾病的关键特征可能只出现在局部窗口，未来可以考虑基于心拍分段或注意力机制来做可变长度建模。

4. 模型结构上还有扩展空间

   • 目前 DCNet 本质上仍是 CNN + DCN 的堆叠，可以想象：

     • 将 自注意力 / Transformer 与可变形卷积结合；

     • 或在 DCN 的基础上加入显式的 导联间图结构（Graph Neural Network）；

   • 这些方向都有潜力进一步挖掘 12 导联之间的时空关系。

九、总结：一篇“把可变形卷积用在对地方”的论文

用一句话概括这篇 EMBC 2021 论文：

作者把可变形卷积用在了一个非常适合它的任务上——多导联心电分类，
并通过针对 ECG 特性的网络设计和简单预处理，在 CPSC-2018 上取得了明显优于传统 CNN / LSTM / ResNet / VGG 的效果。

如果你之后打算：

• 复现这篇工作；

• 在自己的 ECG 项目中尝试可变形卷积；

• 或者把思路迁移到 EEG、PSG 等其他多通道生理信号上，

这篇论文都可以作为一个不错的起点和参考实现。