生理信号异常检测如果只给个分数没用，Signal2Symbol 尝试用符号化逻辑把异常原因讲清楚

做生理信号（比如 ECG 心电图或 EEG 脑电图）异常检测的朋友肯定深有体会：深度学习模型虽然把检测准确率刷得很高，但一旦遇到临床医生问“为什么这段信号是异常的”，或者“这个异常点和前一个异常点是什么关系”，模型往往只能沉默。单纯的数值回归或分类根本无法解释复杂的时序逻辑，比如一段异常信号是因为突然的突发脉冲，还是因为某种规律性的病理模式在演变。

最近在 arXiv 上看到的这篇论文（arXiv:2609.26820v1）提出的 Signal2Symbol 框架，思路确实有点意思。它不是在单纯堆叠神经网络层数，而是走了一条“神经符号化”（Neuro-Symbolic）的路线，试图把连续的波形变成可以进行逻辑推理的“符号序列”。

它到底是怎么把波形变成“逻辑”的？

Signal2Symbol 的核心逻辑分为三步：符号化、挖掘异常证据、以及通过逻辑代数进行时序关联。

首先是信号的“符号化”过程。模型不再直接处理原始的连续数值，而是先通过两种方式把 ECG 或 EEG 信号转化成符号序列：

• 一种是学习出来的 VQ-VAE（向量量化变分自编码器）码本（codebook），这属于神经路径，能捕捉更深层的特征。
• 另一种是比较经典的 SAX（Symbolic Aggregate approXimation）基准方法，这属于传统的符号化路径。

有了这些符号之后，它不是简单地看某个符号出现的频率，而是构建了带有“二元语法（bigram）”增强的 Token 窗口交易数据。简单来说，它会去看哪些符号组合在正常情况下很少见。它利用了“最小稀有项集挖掘（minimal rare itemset mining）”的技术来给异常评分。这意味着，如果某个符号序列在统计学上属于“罕见组合”，它就会被标记为异常。

如何解决“解释性”这个痛点？

这是这篇论文最硬核的部分。传统的模型检测到异常就结束了，但 Signal2Symbol 尝试把离散的异常点串联起来。

它引入了 Allen 间隔代数（Allen interval algebra）。当你检测到多个异常窗口时，它不是把它们当成孤立的点，而是通过代数关系去定义它们之间的时序逻辑，比如：

• 异常是否在时间上存在“升级链（escalation chains）”？
• 是否属于“伪影重叠（artifact overlap）”？
• 或者是跨通道的“同步异常（cross-channel synchrony）”？

最后，它还用了一个叫 FCA（形式概念分析）的东西来构建一个“稀有时间概念格（rare temporal concept lattice）”。这个 Galois 格（Galois lattice）的作用是把那些零散的、局部的异常检测结果，根据它们共享的符号证据、Allen 时序关系、通道上下文以及鲁棒性属性，压缩成一个个可以解释的“异常家族”。这样医生看到的不再是“第 102 秒有异常”，而是“这一组异常属于某种特定模式的演变”。

实测表现与数据集

研究人员在三个公开的基准数据集上做了验证：

• MIT-BIH Arrhythmia（针对心电图的搏动级检测）
• PTB-XL（针对心电图的记录级检测）
• Bonn EEG 数据集（针对脑电图的分段级检测）

为了测试这个框架在真实临床环境下的稳定性，他们专门做了压力测试，模拟了加性噪声（additive noise）和基线漂移（baseline-wander）这两种常见的信号干扰。结果显示，这种神经符号化的 Tokenization 方法在处理复杂时序异常分析时，比单纯的深度模型更能提供紧凑且可解释的摘要。

我的看法

我觉得这个方向比单纯卷模型参数更有意义。在医疗 AI 领域，黑盒模型永远很难大规模落地，因为临床决策需要逻辑支撑。Signal2Symbol 这种把 VQ-VAE 的特征提取能力和符号逻辑（Allen Algebra/FCA）的推理能力结合起来的做法，确实给了异常检测一个“说理”的机会。

不过，这种方法的计算复杂度可能会随着符号序列长度和逻辑关系的复杂程度增加而上升，尤其是做大规模实时监测时，如何平衡符号化精度和推理延迟，可能是一个值得后续关注的点。