写在第三篇开篇数据和实验规则是域泛化的“立身之本”走完前两篇的基础认知和数据预处理我们终于要触碰心电域泛化最核心的实操前提用什么数据做研究、怎么把数据划分成“源域”和“目标域”、跑完模型后怎么证明它有泛化能力。对于0基础同学来说这部分最容易踩坑随便找个数据集乱拆分、分不清域泛化和普通分类的实验差异、用错评估方法最后做出来的结果完全不符合科研规范发不了论文也复现不了经典工作。本篇全程聚焦科研实操落地不讲虚的理论把心电域泛化领域公认的经典数据集、多源域标准划分规则、顶会顶刊通用的评估协议全部用通俗语言拆解看完就能直接搭建自己的实验框架完美衔接后续第四篇域泛化基础理论和算法复现也是后续写论文、做实验的核心参考依据。一、先重温域泛化里的“域”到底是什么心电场景专属定义先把核心概念砸实避免后续混淆这是理解数据集划分的关键咱们结合心电场景简化记忆域Domain简单说就是一批数据的“来源属性分布”同一域内的数据特征、噪声、形态规律高度一致不同域之间存在分布差异也就是咱们前两篇说的域偏移。源域Source Domain模型训练时能用到的所有数据必须是多源域至少2个单域做不了域泛化源域数据有标注用来让模型学习跨域通用特征。目标域Target Domain模型训练时完全看不见、用不到的全新数据无标注零样本域泛化用来测试模型泛化能力域泛化的核心目标就是在未见过的目标域上保持高精度。域偏移Domain Shift心电场景特指跨设备、跨医院、跨人群、跨采集环境带来的数据分布差异比如三甲医院设备和手环采集的心电、老年人群和青年人群的心电都属于不同域。0基础核心提醒域泛化 ≠ 普通数据随机划分普通分类是把一个数据集随机拆成训练集和测试集数据分布一致而域泛化是按“数据来源”硬拆分训练和测试数据分布完全不同这是本质区别。二、心电域泛化必用经典数据集顶刊顶会标配做心电域泛化不用自己采集数据国际上有一批公开、高质量、多中心、多域属性的数据集是领域内公认的基准数据复现论文、做自己的研究都靠它们按优先级排序0基础优先学前3个。1. PTB-XL 数据集域泛化首选No.1基本信息大规模12导联心电数据集共21837条样本采样率500Hz每条数据10秒覆盖健康、心肌梗死、心律失常、心肌病等多种心电异常域属性亮点数据来自两个不同医疗中心、两种不同采集设备自带天然域偏移完美适配域泛化研究是近几年绝大多数心电DG论文的核心基准标注信息精细标注诊断结果包含5大类、71个子类疾病标注规范适合分类、异常检测任务适用场景跨设备、跨中心域泛化入门必练后续复现算法首选这个数据集。2. CPSC 2018/2020 数据集国产多中心标杆基本信息中国心血管健康联盟发布CPSC2018共6877条12导联心电数据覆盖9类常见心律失常域属性亮点数据来自国内多家不同医院自带跨医院域偏移贴合国内临床场景优势针对国人心电特征比国外数据集更贴合国内研究适合做跨医院域泛化。3. MIT-BIH 心律失常数据库经典入门单域用于多域组合基本信息最经典的单导联心律失常数据集48条30分钟长时序心电采样率360Hz标注房颤、早搏、传导阻滞等常见心律失常域属性单一中心单一设备属于单域数据常和其他单域数据集组合构建多源域适用新手入门熟悉数据、调试预处理代码、跑通基础模型后续搭配其他数据集做DG实验。4. 其他常用补充数据集Chapman-Shaoxing 数据集大规模房颤数据集跨人群域偏移明显适合专项心律失常域泛化CinC 2020 数据集多国家、多设备采集跨国际人群域偏移适合强泛化性研究穿戴式心电数据集ECG-ID等单导联手环/胸贴采集适合跨医疗设备-穿戴设备域泛化。三、多源域标准划分方法心电域泛化的“黄金规则”数据选好了最关键的一步就是按域拆分绝对不能随机拆分心电域泛化领域有通用的划分规则。核心划分原则按“数据来源属性”拆分保证域独立性拆分依据必须是真实世界的域偏移来源不能人为虚构常用划分维度按采集设备划分最常用不同设备为不同域按采集医院/中心划分临床最贴合不同医院为不同域按人群特征划分年龄老年/青年、性别、是否有基础病为不同域按导联类型划分12导联/单导联为不同域。1. 留一域验证Leave-One-Domain-OutLODO—— 领域金标准这是心电域泛化最权威、最常用的评估方法所有顶刊顶刊必用通俗拆解操作逻辑假设有N个独立源域N≥3每次留1个域作为未知目标域剩下N-1个域全部作为训练用的源域重复操作轮换每个域作为目标域直到所有域都当过一次目标域结果计算取所有轮次目标域上的平均性能作为模型最终泛化能力指标举例PTB-XL按设备分成2个域CPSC按医院分成4个域每次留一个医院当测试域其余训练。为什么用这个完全模拟真实临床场景模型在现有医院/设备上训练直接用到新医院、新设备上全程不接触目标域数据完美贴合域泛化“零样本跨域”的核心定义。2. 多源域→单未知域简易版入门首选新手刚上手不用先做复杂的留一验证直接用这个简易划分选2-3个不同来源的数据集/子域作为源域合并训练选1个完全独立的数据集/子域作为唯一未知目标域源域训练目标域直接测试不做任何微调。比如用MIT-BIH CPSC部分数据当源域PTB-XL其中一个设备域当目标域快速验证模型效果。3. 新手避坑绝对不能犯的划分错误❌ 禁止把一个数据集随机拆分成训练和测试冒充域泛化这是普通分类不是DG❌ 禁止目标域数据混入训练集哪怕一个样本都不行❌ 禁止不同域用不同预处理参数必须全程统一第二篇强调过。四、域泛化标准评估指标怎么衡量模型“泛化得好不好”模型跑完后不能只看准确率心电域泛化有专属评估指标既要看目标域精度也要看跨域性能衰减幅度这才是泛化能力的核心。1. 核心分类指标心电异常检测通用Accuracy准确率整体预测正确的比例适合类别均衡数据F1-Score加权F1领域首选指标解决心电数据类别不平衡异常样本少问题AUC-ROC / AUC-PR衡量二分类/多分类判别能力AUC-PR更适配不平衡心电数据Sen灵敏度/ Spe特异度临床关键指标反映模型检出异常和排除正常的能力。2. 域泛化专属指标性能衰减率最关键这是区分域泛化模型和普通模型的核心指标计算公式性能衰减率 源域平均性能 - 目标域性能通俗理解普通模型跨域后精度会暴跌衰减率很大好的域泛化模型衰减率极小目标域性能接近源域。比如普通CNN在源域F1是0.89目标域骤降到0.62衰减率0.27域泛化模型源域F1 0.87目标域0.81衰减率只有0.06泛化能力远超普通模型。3. 论文标准汇报方式顶会论文通用格式汇报留一域验证每一轮目标域的指标平均指标性能衰减率同时对比普通CNN、域适应模型的结果突出泛化优势。五、直接照搬快速上手这里有一套入门实验不用纠结选择直接照着做跑通整个流程数据集PTB-XL按设备分成2个域Domain A、Domain B域划分留一域验证第一轮A当源域、B当目标域第二轮轮换预处理统一重采样250Hz、带通滤波、Z-Score标准化第二篇流程基线模型简单1D-CNN先跑普通模型看衰减率评估计算加权F1、AUC-PR、性能衰减率。跑通这个流程你就完全懂了心电域泛化的实验逻辑后续再叠加域泛化算法优化性能衰减率即可。六、本篇总结第三篇核心知识点复盘域泛化核心是“多源域训练未知目标域测试”和普通随机划分分类有本质区别首选数据集PTB-XL、CPSC2018自带多域属性适配科研基准金标准评估方法留一域验证LODO核心看性能衰减率域划分必须按真实来源设备、医院严禁随机拆分。第四篇内容预告第四篇我们正式进入域泛化基础理论与主流方法分类从零讲解域泛化的核心原理拆解数据层面、模型层面、正则化层面的主流方法区分域泛化和域适应的差异详解IRM、DANN、MixStyle这几个心电领域最常用的经典算法为后续复现论文、改进模型打好理论基础。新手小任务本篇结束后可以先去PhysioNet官网下载PTB-XL数据集用第二篇的预处理代码跑通数据清洗提前熟悉数据格式为下一篇算法学习做准备