生理 ECG 分割的状态转移正则化：即插即用 Viterbi 解码器

基于摘要分析。本文研究 ECG 中具有临床意义的波形分割，提出作为判别模型输出后处理的转移惩罚 Viterbi 解码器，在无需重训练的前提下，将生理状态转移约束与片段长度正则化引入逐采样点状态预测。 核心机制是以序列解码替代逐点 argmax：后者独立选择每个时间点的状态，未显式考虑心动周期内的状态动态。作者使用标量惩罚 L 正则化状态转移次数，以减少预测碎片和不合理的短片段，并分析两种状态空间：共享单一背景状态的 isometric 四状态设计，以及近似窦性心律模式的六状态设计。具体目标函数、转移约束及边界处理尚未验证。 作者报告，在 QT database 上，以逐帧 argmax 为基线、采用事件级 F1-score 评估，六状态解码器使 P-wave、QRS complexes 和 T-wave 的平均 F1-score 分别提高约 27%、10% 和 32%，对应 L 分别为 3.7、4.3 和 5.2。摘要未明确这些百分比的计算方式，不能解释为 F1 提高相同数值的百分点。作者强调，各波形最优惩罚强度明显不同，统一使用较大惩罚可能过度抑制低幅度波形。数据划分、基础预测模型、参数选择协议、消融及统计信息尚未验证。 平台推测（待验证）：该方法可迁移的部分是对逐点状态概率进行带约束的序列解码，而非 ECG 的心动周期状态设计。假设 EEG 任务具有明确的事件状态顺序或持续时间先验，可复用 Viterbi 后处理，但需重建状态空间与转移约束；不具备周期性结构的 EEG 任务不能直接套用六状态设计。低信噪比、跨被试持续时间差异和小数据下的惩罚调参，可能使短暂真实事件被误删。可先在一个具备事件标注的 EEG 数据集上固定预测模型，仅在验证集选择 L，在同一独立测试划分比较 argmax 与约束解码的事件级 F1 及短事件漏检率。已有 EEG 相关工作尚未检索确认。