文章导读

每年全球特别是南方国家产生数十亿份纸质心电图。由于不同机构的设备条件有差异，这些心电图的分辨率不同且可能存在部分破损和失真。单纯依赖人工评估大量的心电图会占用巨大的时间和精力，增加了医疗成本。精确地数字化纸质心电图并对其自动分类，可以高效地识别心血管疾病，提高诊疗效率。针对该问题，来自上海交通大学自动化系的杨杰教授及其团队在 Symmetry 期刊发表了文章，提出了一种基于深度学习的系统化方法对纸质心电图进行数字化和分类 (图1)。

图1. 数字化纸质心电图并识别心血管疾病的系统流程图。使用旋转卷积模型ARCResNet对带有旋转和噪声的纸质心电图进行数字化；基于Transformer的分类模型MFECGFormer识别对应的心血管疾病。

研究过程与结果

• 生成数据

作者使用ECG-Image-Kit仿真软件和公开数据集PTB-XL生成了大量的不同分辨率的纸质心电图像，同时带有不同程度的旋转、褶皱和噪声污染。每个纸质心电图包含12个对称分布的导联曲线，并且分别使用旋转边界框顶点坐标进行标注。

• 检测模型

文章采用基于旋转卷积的ECG-ARCResNet网络 (如图2) 检测导联曲线。模型采用光滑的L1损失来预测边界框坐标。此外，本文利用导联曲线位置分布的对称性特征，补充了一个新的损失函数paperECGLoss以实现目标边界框的更精确定位。

图2. 基于FPN的两阶段检测器的检测模型，包括一个定向RPN网络和一个定向R-CNN网络。前者用于生成高质量的定向目标候选框，而后者通过对边界框的坐标回归定位目标边界框的顶点坐标。

• 数字化心电图曲线

主要步骤包括：

• 基于导联曲线的边界框坐标确定图像的旋转角度，校正图像。

• 训练一个无监督降噪模型Noise2Void，对原图像降噪。通过二值化、聚类和连通区域分析提取出导联曲线。

• 采用“多级的滑动窗口”近似找出导联曲线的零值坐标。

• 根据时间分辨率和空间分辨率，确定曲线的数字化序列。

• 分类模型

基于状态空间模型 (S4) 增强的Transformer和专家定义的心电图特征，本文构建了MFECGFormer模型 (如图3) 对异常心电图分类。模型通过多个注意力层来提取全局和局部的特征信息。

图3. 分类模型。Global：S4模型增强的注意力模块通过引入结构偏置可以提取粗略的全局信息。Local：标准的注意力层提取更复杂的局部特征。

研究总结

本文提出了一种系统的方法对带有旋转和噪声的纸质心电图进行数字化和自动识别。该方法利用曲线分布的对称性定义了新的损失函数来提高检测模型的性能。同时，构建了一个S4增强的Transformer实现对心电图的分类。该方法在PTB-XL数据集上进行了全面评估。结果表明，该模型提高了波形的检测精度，与基线相比，信噪比提高了11%。在五分类任务上的精度同样略优于基线模型。该模型为纸质心电图的自动化分析提供了一种有前景的解决方案，可以显著提高诊断效率，同时减少可能的人为风险。

阅读英文原文：https://www.mdpi.com/3133048

期刊主页：https://www.mdpi.com/journal/symmetry

第五届国际对称性会议

(Symmetry 2025)

时间：2025年5月16日至19日地点：中国杭州

第五届国际对称性会议 (Symmetry 2025) 将于2025年5月16日至19日在中国杭州隆重召开。Symmetry 系列会议自2017年起已在西班牙成功举办三届，并于2021年在线举办，已成为全球对称性研究领域的重要学术交流平台。本届大会首次移师亚洲，旨在汇聚全球学者，围绕物理、数学、化学、工程及计算机科学等领域的前沿研究，推动跨学科合作与学术创新。

本届会议由Sergei D. Odintsov教授、屈长征教授、何吉欢教授共同担任大会主席，并特别邀请蔡荣根院士、张继平院士、Sergei D. Odintsov教授作大会报告。此外，各分会还将邀请国内外知名专家作主题报告，深入探讨对称性研究的最新进展。

会议将设立多项学术奖项，共23个获奖名额，获奖者将有机会获得奖金及在 Symmetry 期刊上免费发表论文的机会。访问会议官网了解更多信息：https://sciforum.net/event/symmetry2025

Symmetry 期刊介绍

主编：Sergei D. Odintsov, Institute of Space Sciences (IEEC-CSIC), Spain

期刊主题涵盖了所有科学研究中有关对称/非对称现象的理论和应用研究，主要包括数学、计算机、工程与材料、物理学、生命科学、化学等领域的最新进展。期刊已被 Scopus、SCIE (Web of Science)、CAPlus/SciFinder 等多家知名数据库收录。

2023 Impact Factor：2.2

2023 CiteScore：5.4

Time to First Decision：17.3 Days

Acceptance to Publication：3.7 Days