Signal2Symbol：用于可解释的生理时间序列异常检测的神经符号时间推理

arXiv:2609.26820v1 公告类型：新 摘要：心电图 (ECG) 和脑电图 (EEG) 等生理时间序列表现出复杂的时间结构、巨大的采集可变性以及对透明决策的强烈需求。尽管深度模型可以实现较高的检测性能，但它们通常无法深入了解片段为何异常、局部异常如何随时间变化以及检测是否属于更广泛的重复模式。我们提出了 Signal2Symbol，一种用于可解释的生物信号异常检测的神经符号框架。该方法首先使用学习的 VQ-VAE（矢量量化变分自动编码器）码本或 SAX（符号聚合近似）基线将 ECG/EEG 信号转换为符号序列。然后，它构建二元丰富的令牌窗口交易，并通过从最小稀有项集挖掘中获得的稀有项集证据对异常进行评分。检测到的异常窗口被合并为间隔并使用艾伦间隔代数进行关联，从而实现复合时间解释，例如升级链、伪影重叠和跨通道同步。最后，我们引入了一种基于形式概念分析（FCA）的稀有时间概念格，它通过共享稀有符号证据、艾伦时间关系、通道上下文和鲁棒性属性对异常区间进行分组。由此产生的伽罗瓦晶格将许多局部检测压缩为可解释的时间符号异常族。我们评估三个公共基准：MIT-BIH 心律失常（心跳级心电图）、PTB-XL（记录级心电图）和波恩脑电图数据集（节段级脑电图）。我们对加性噪声和基线漂移扰动下的鲁棒性进行压力测试。结果强调了神经符号标记化对于时间异常分析的价值，并表明 Allen/FCA 推理提供了局部检测的紧凑、可解释的摘要。