近日，东北大学医学与生物信息工程学院谢丽萍副教授团队在生理信号分析领域取得了重要突破。相关研究工作以“Multiscale feature enhanced gating network for atrial fibrillation detection”为题，成果发表在医学信号处理领域TOP期刊Computer Methods and Programs in Biomedicine。该成果由谢丽萍副教授指导，由我院本科学生吴熙东（2022级本科生）、颜铭锞（2021级本科生）、王仁乔（2022级研究生）等同学组成的科研团队合作完成。

图1.提出的特征增强模块（Feature Enhancement Module）

基于心电图（ECG）的心房颤动（AF）识别是计算机辅助诊断领域的重要组成部分。尽管现有技术在理想条件下取得了一定的成果，但在面对现实世界中的噪声干扰时，其性能往往大幅下降，难以满足临床应用的高精度需求。此外，模型的可解释性也是临床实践中的一个重要需求，缺乏可解释性的模型难以获得临床医生的信任和广泛应用。

图2.可解释性热图，展示模型的注意力，关注到了房颤的重要特征-P波消失

针对上述挑战，本研究深入挖掘心电数据的内在特征，提出了一种创新性的特征增强模块。该模块通过残差收缩与自适应增强机制，显著提升了模型对噪声的抵御能力，使其能够在复杂噪声环境下保持稳定的识别性能。同时，特征增强模块通过聚焦于与心房颤动相关的有效特征，减少了冗余信息的干扰，从而显著提高了模型的可解释性。这一改进不仅增强了临床医生对模型的信任度，也为心房颤动的精准诊断提供了有力支持。该成果不仅在多个权威数据库上取得了优异的性能指标，还展现了强大的抗噪声干扰能力，为临床心房颤动的自动检测提供了新的技术手段。