计算机科学与探索

作者：韩明希, 蒲宝明, 马驰, 李思源

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 辽宁理工学院 电气与智能控制学院，辽宁 锦州 1210103. 东北大学 计算机科学与工程学院，沈阳 110167

关键词：心电图（ECG）,心肌梗死诊断,多尺度残差卷积,时空特征建模

针对心电图信号时空特征联合建模中存在的多尺度病理表征弱、时序依赖建模能力不足与跨尺度节律解析受限问题，提出一种层次化时空混合模型M2SRC-TBL，空间构建多尺度残差卷积模块（M2SRC）与多层级卷积架构，采用分层递减卷积核策略提取QRS波群、ST-T段等多尺度形态特征，结合改进的2D-SE模块动态增强关键波形特征的鉴别能力，解决了单一卷积核难以同时捕获宽波群与局部偏移的问题；设计全局到局部时序建模架构，利用Transformer Encoder建模RR间期等长期节律特征，通过双向长短期记忆网络（BiLSTM）解析ST段瞬时偏移等局部特征，实现全局节律与局部动态的联合表征。基于PTB-XL数据集进行二分类与20类细粒度分类实验，采用Focal Loss函数缓解类别不平衡影响。实验结果表明，在心肌梗死检测的二分类任务中，模型准确率、召回率与F1分数分别达98.22%、98.07%、98.14%；在心肌梗死类别检测的细粒度分类任务中，F1分数达96.57%。消融实验表明，空间多尺度建模使F1分数提升4.85个百分点，层次化时序设计提升1.64个百分点。混淆矩阵分析显示，模型对下壁心肌梗死（IMI）、前壁心肌梗死（AMI）等主要类别的识别准确率超过97%。该模型通过时空特征联合优化有效提高了心肌梗死诊断精度，为复杂心电信号的智能解析提供了可行方法。

来源：2026年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第3期