ВведениеСердечно-сосудистые заболевания становятся причиной 30 % смертей в мире [1], а электрокардиография остается основным методом диагностики аритмий. Однако проблемой применения алгоритмов машинного обучения становится критический дефицит данных для редких, но жизнеугрожающих состояний: желудочковые аритмии составляют менее 5 % записей в публичных базах [2, 3]. Причинами являются в том числе этические ограничения на сбор данных, высокая стоимость аннотации (15–20 мин на запись) и популяционная несбалансированность датасетов [4]. Современные исследования подтвердили высокую эффективность интеграции персонифицированных математических моделей сердца с технологиями искусственного интеллекта для создания точных цифровых двойников. Генеративные модели предлагают решение через синтез искусственных ЭКГ [5, 6]. Однако существующие подходы имеют ограничения: генеративно-состязательные модели GAN подвержены коллапсу мод и склонны генерировать ограниченное разнообразие сигналов, что приводит к тому, что все синтетические сигналы одного класса становятся практически идентичными. В применении к проблеме генерации ЭКГ это означает, что, например, модель может генерировать только один «шаблон» желудочковой тахикардии, игнорируя естественное разнообразие клинических проявлений. Существующие подходы имеют ряд недостатков. Обучение GAN нестабильно: процесс часто не сходится или сходится к локальным минимумам, что делает результаты непредсказуемыми; трудно контролировать конкретные параметры генерируемых сигналов (частоту сердечных сокращений, электрическую ось сердца и др.). Вариационные автоэнкодеры VAE генерируют «средние» сигналы, теряя важные детали (острые пики QRS, мелкие зубцы P), что делает их клинически непригодными; кроме того, VAE плохо справляются с моделированием долгосрочных зависимостей и межканальных корреляций между отведениями.Хотя VAE теоретически способны генерировать разнообразные сигналы, на практике они часто производят слишком однородные данные [7]. Применение методов машинного обучения в кардиологии ограничено дефицитом аннотированных записей редких аритмий. Существующие генеративные модели (GAN,  VAE,  DDPM) не воспроизводят закономерности между отведениями [8, 9]. Научная проблема, исследуемая в данной работе, заключается в необходимости разработки генеративной модели, способной синтезировать 12-канальные ЭКГ-сигналы, которые одновременно удовлетворяют трем критическим требованиям: – физиологической согласованности, обеспечиваемой точным соблюдением векторкардиографических законов (включая законы Эйнтховена и Вильсона); – способности генерировать мультицикловые записи длительностью не менее 10 секунд с сохранением дальних временных зависимостей; – возможности контролируемой генерации по множеству клинических параметров (класс аритмии, возраст, пол, частота сердечных сокращений) при интеграции дифференцируемых биофизических ограничений на морфологию волн и интервалы. Предлагаемая архитектура формирует физиологически согласованные 12-канальные ЭКГ-сигналы длительностью 10 с и учитывает законы Эйнтховена – Вильсона. Архитектура гибридной модели VAE-GNN-SSSDМодель включает 3 блока: 1) вариационный автокодировщик (VAE) выделяет морфологические компоненты P-QRS-T и формирует латентное представление;2) графовая нейронная сеть с матрицей смежности восстанавливает структуру 12  отведений;3) диффузионная часть состоит из DDPM (вероятностная диффузионная модель на основе денойзинга) + SSSD (диффузия со структурированным пространством состояний) трансформера моделирует временные зависимости длиной 5 000 отсчетов. Условия: класс аритмии  , метаданные   где HR – частота сердечных сокращений; age – возраст пациента; sex – пол (0 – женщина, 1 – мужчина). Эти метаданные преобразуются в условный вектор через двухслойный   и затем используются в FiLM-модуляции для масштабирования и сдвига активаций в каждом сверточном слое. Это позволяет модели персонализировать генерацию сигналов в зависимости от клинических параметров пациента. Вариационный автокодировщик VAE отвечает за параметрическое сжатие 12-канального ЭКГ-сигнала в компактный морфологический базис   (T = 5 000), интерпретируемый как ортогональные компоненты P–, QRS- и T-волн. Это обеспечивает 16-кратное сжатие по времени (с 5 000 до 312 отсчетов) при сохранении физиологической структуры.Вариационный автокодировщик состоит из энкодера, латентного пространства и декодера [3]. Энкодер имеет следующую архитектуру: – три одномерных сверточных слоя Conv1D с FiLM-модуляцией по вектору условия  ;– ядра 5, 3, 3; фильтры 64 → 32 → 16; шаг 2 (апсемплинг × 8 по времени);– после каждого слоя следует блок ReLU + FiLM   где   Далее слой max-pooling (шаг 2) и полносвязный слой, выводящий параметры латентного распределения  (по 16 переменных на каждую из трех компонент). Латентное пространство состоит из векторов z, которые сэмплируются через репараметризацию. Архитектура декодера имеет следующий вид: симметричная архитектура с тремя слоями ConvTranspose1D (ядра 3, 3, 5; фильтры 16 → 32 → 64; шаг 2) и остаточными связями после каждого слоя. Выход нормализуется по SVD-компонентам реальных ЭКГ: Функция потерь имеет следующий вид:где β линейно растет от 0 до 0,1 за первые 20 эпох (отжиг для предотвращения постериорного коллапса). VAE обеспечивает управляемое сжатие в физиологически осмысленный базис, закладывая основу для последующего восстановления 12 отведений через GNN и генерации через DDPM-SSSD.Морфологический базис из VAE-декодера проецируется на 12 узлов графовой нейронной сети (по одному на каждое стандартное отведение) через независимые линейные слои. Затем применяются два слоя GraphSAGE с mean-агрегацией: эмбеддинги соседей усредняются, конкатенируются с эмбеддингом узла и преобразуются MLP (128 нейронов, ReLU, dropout 0.1). Финальный слой формирует выходной сигнал Матрица смежности   содержит 70 % фиксированных элементов, инициализированных аналитически в соответствии с законами Эйнтховена – Гольдбергера и Вильсона (I + II + III = 0, aVR = – (I + II) / 2, aVL = I – II / 2, aVF = II – I / 2, сумма грудных отведений V1–V6 ≈ 0 и т. д.). Эти элементы не участвуют в градиентном спуске. Остальные 30 % обучаемых элементов матрицы А (преимущественно связи внутри группы V1–V6 и между грудными и конечностными отведениями) позволяют адаптироваться к индивидуальным особенностям пациента (пол, возраст, конституция). После каждого обновления обучаемых элементов матрица симметризуется:  Функция потерь GNN имеет видгде   – среднеквадратичная ошибка по векторкардиографическим соотношениям (коэффициент 1.0). SSSD-трансформер (Structured State Space Diffusion Transformer) – центральный компонент обратного диффузионного процесса, отвечающий за предсказание шума    и восстановление чистого сигнала x0 из зашумленной версии xt. Его архитектура сочетает механизмы трансформера с моделями пространства состояний (SSM) [11], обеспечивая линейную сложность O(T) и эффективное моделирование дальних зависимостей в 12-канальных последовательностях длиной 5 000 отсчетов. Прямой процесс задан какгде   а βt следует cosine-расписанию в диапазоне от 10-4 до 0,020.Обратный процесс использует предсказание шума через SSSD-трансформер (4 блока, ~5 млн параметров, скрытая размерность 768). Вход – конкатенация зашумленного сигнала xt, эмбеддинга шага t и условия   . Каждый блок включает:– Multi-Head Self-Attention (8 голов);– гибридный SSM-слой (S4/HiPPO + Mamba с входозависимыми параметрами);– Cross-Attention;– Feed-Forward с GELU.Одношаговое восстановление:  среднее μθ вычисляется по стандартной формуле DDPM. Коррекция градиентом   (QT, QRS, VCG) обеспечивает физиологическую согласованность. Итеративное восстановление – UniPC второго порядка (200 шагов) [12]. SSSD-трансформер гарантирует линейную сложность, устойчивость к длинным последовательностям и эффективную условную генерацию.Обучение проводилось на массивах PTB-XL v1.0.3 (21,837 записей, 500 Гц, 10 с, folds 1–8 train, 9 val, 10 test) и MIT-BIH (48 записей, 360 Гц ресэмплированы до 500 Гц, протоколы межпациентский сплит DS1 train, DS2 test) [13, 14]. Предобработка: Butterworth bandpass 0,5–150 Гц, z-нормализация, клиппинг ±5σ. Межпациентская стратификация с балансом по возрасту/полу/классам (χ² test, p > 0,05); фаза 1 (50 эпох) – предобучение VAE+GNN (Adam, lr = 5e-4, batch 128); фаза 2 (300 эпох) – совместное обучение (AdamW, lr = 1e-4→1e-6 с cosine annealing, batch 64, gradient clipping norm 1.0, FP16). Аугментация обучающей выборки: гауссов шум σ = 0,01, масштабирование HR ±10 %. Процедура ранней остановки (Early stopping) на валидации по метрике FID. Биофизика: – QT-интервал через алгоритм Pan-Tompkins, норма 350–450 мс; – корреляция Пирсона между I и II (ожидается >0,85); – MSE(II-I-III) (ожидается <0,01).Классификация: 1D-CNN+BiLSTM классификатор (3 Conv1D слоя, 2 LSTM слоя, функция потерь Focal Loss, 50 эпох) на MIT-BIH. Аугментация: для редких классов (V, F) генерируется синтетика до 30 % от класса (минимум 5 на пациента). Метрики точности классификации: macro F1, precision/recall, ROC AUC. Результаты и обсуждениеПредставленная гибридная модель VAE-GNN-SSSD продемонстрировала значительные улучшения в генерации физиологически корректных 12-канальных ЭКГ-сигналов по сравнению с существующими методами. Результаты приведены в табл. 1.  Таблица 1Table 1Сравнительный анализ результатов генерации на тестовой выборке PTB-XL test Comparative analysis of generation results on the PTB-XL test sampleМодельМетрики качества генерацииFIDPRD, %Корреляция I–II  (II–I–III)DiffECG [15]0,05814,20,820,089BioDiffusion [16]0,05111,00,880,074VAE-GNN-SSSD0,05210,80,890,084  Эмпирическая оценка модели LDM-ECG проводилась на тестовой выборке PTB-XL (n = 4 367 записей, 20 % от датасета, стратифицировано по пациентам). Все метрики вычислялись по 5 независимым запускам с различными инициализациями; значимость различий подтверждена парным t-тестом Уилкоксона (p < 0,001, поправка Бонферрони).Сравнительный анализ результатов генерации ЭКГ показал, что предложенная модель сопоставима с передовыми моделями DiffECG [15], BioDiffusion [16] по ключевым метрикам: FID (0,052 против 0,058 и 0,051 соответственно) и PRD (10,8 % против 14,2 и 11,0 %). Ключевым достижением является интеграция биофизических ограничений на уровне архитектуры модели, что позволяет генерировать синтетические сигналы, удовлетворяющие законам Эйнтховена и другим физиологическим закономерностям. MSEbio– среднеквадратичная ошибка по биофизическим (векторкардиографическим) соотношениям между отведениями ЭКГ, в первую очередь проверяющая выполнение законов Эйнтховена и Вильсона где I(t), II(t), III(t) – значения синтетической ЭКГ в отведениях I, II, III в момент времени t; T = 5 000 – длина записи (10 с при 500 Гц).Важность использования сгенерированных ЭКГ оценивалась в задаче классификации аритмий на тестовой выборке MIT-BIH DS2 (n = 24 записи, межпациентский сплит). Тренировочный набор (DS1) был дополнен 20–30 % искусственно сгенерированных образцов для устранения дисбаланса классов. В качестве базового классификатора используется модель 1D-CNN + BiLSTM, предобученная на наборе PTB-XL. Оценка – по пяти независимым запускам; значимость – парный t-тест Уилкоксона с поправкой Бонферрони (α = 0,002). Результаты представлены в табл. 2. Таблица 2Table 2MIT-BIH DS2 (5 запусков, среднее ± std)MIT-BIH DS2 (5 runs, average ± std)Класс аритмииЗначения F1-мерыF1 (основная модель) с аугментацией F1ΔF1, %p-valueN0,94 ± 0,020,96 ± 0,01+20,02S0,83 ± 0,030,91 ± 0,02+6<0,001V0,74 ± 0,040,85 ± 0,02+5F0,72 ± 0,050,81 ± 0,03+7Q0,79 ± 0,030,83 ± 0,02+5Macro0,84 ± 0,030,89 ± 0,02+6  Аугментация обучающих данных синтетическими ЭКГ, сгенерированными моделью VAE-GNN-SSSD, привела к значительному и статистически устойчивому улучшению классификации аритмий на тестовом наборе MIT-BIH DS2 (межпациентский сплит, 5 запусков). Показатель Macro F1 вырос на 6 % (с 0,84 до 0,89, p < 0,001).Ключевой клинический эффект – снижение ложного пропуска желудочковых аритмий: ошибочная классификация V как N упала с 12 до 7 % (−27 %). Улучшение достигнуто без ущерба для основного класса N, где F1 вырос незначительно (+2 %), но стабильно. Результаты демонстрируют, что синтетические ЭКГ обладают высокой физиологической и диагностической релевантностью, особенно для балансировки редких паттернов, и могут эффективно использоваться для улучшения надежности кардиологических ИИ-систем. Для строгой статистической проверки значимости улучшения метрики F1 при аугментации синтетическими данными по каждому из 5 классов аритмий (N, S, V, F, Q) в задаче классификации на MIT-BIH DS2 применялся Paired t-test с поправкой Бонферрони (α = 0,01 / 5 = 0,002). Проведен абляционный анализ путем последовательного удаления ключевых компонентов с последующим переобучением модели на тренировочной выборке PTB-XL (folds 1–8) и переоценкой на тестовой (n = 2 000 записей). Метрики вычислялись по пяти независимым запускам; значимость оценивалась по парному t-тесту Уилкоксона (p < 0,0001). Результаты абляционного анализа представлены в табл. 3. Таблица 3Table 3Вклад компонентов (на тестовой выборке PTB-XL, n = 2 000)Contribution of components (in the PTB-XL test sample, n = 2 000)КонфигурацияМетрики качества генерации электрокардиограммFIDPRDMSEbiop-valueПолная0,052 ± 0,00410,8 ± 0,50,084 ± 0,003–Без VAE0,068 ± 0,00513,2 ± 0,80,096 ± 0,003<0,0001Без GNN0,152 ± 0,00714,5 ± 0,70,115 ± 0,005Без SSSD0,067 ± 0,00513,7 ± 0,60,10 ± 0,003Без приоров0,071 ± 0,00613,8 ± 0,70,19 ± 0,006GNN (A обучаемая)0,086 ± 0,00713,2 ± 0,60,25 ± 0,005<0,001GNN (A фиксированная)0,075 ± 0,00412,7 ± 0,80,22 ± 0,005<0,0001  Удаление GNN приводит к росту MSEbio (с 0,084 до 0,25), что прямо подтверждает его критическую роль в соблюдении законов Эйнтховена. Замена гибридной матрицы смежности на чисто обучаемую или чисто фиксированную ухудшает все метрики, что доказывает необходимость сочетания биофизики и адаптивности. Отказ от SSSD ухудшил метрики FID и PRD, что говорит о важности моделирования долгосрочных временных зависимостей в 10-секундных записях. Потеря VAE привела к умеренному ухудшению, что согласуется с его ролью как «морфологического энкодера» – в отличие от GNN,  он не отвечает напрямую за биофизику.Для оценки обобщающей способности модели использован независимый набор MIMIC-IV-ECG (n = 2 147 записей из отделений интенсивной терапии, длительность 10 с, частота дискретизации 500 Гц, SNR ≈ 15 дБ) [17]. По сравнению с валидационной выборкой PTB-XL наблюдается ожидаемая деградация метрик:– FID = 0,068 ± 0,006;– PRD = 16 ± 0,8 %;– SE = 2,0 ± 0,2;– доля сгенерированных сигналов с физиологически нормальным QT-интервалом (350–450 мс) составила 89,4 %, что на 3,7 % ниже показателя полной модели.Ухудшение обусловлено смещением области (ICU-сигналы существенно более зашумленные, чем амбулаторные записи PTB-XL). Тем не менее полученные результаты подтверждают хорошую обобщаемость модели на разнородные клинические данные и ее готовность к применению в реальных условиях эксплуатации.Несмотря на достигнутые результаты, у модели есть ряд ограничений. Во-первых, она не учитывает некоторые редкие патологии, которые встречаются в клинической практике. Во-вторых, генерация длительных записей (более 10 с) может приводить к накоплению артефактов из-за ошибок в процессе диффузии. В-третьих, текущая реализация требует значительных вычислительных ресурсов для генерации (GPU с 24 ГБ памяти).Результаты, полученные в данной работе, имеют важное практическое значение для медицинских исследований. Синтетические данные, сгенерированные разработанной моделью, могут быть использованы:– для обучения моделей диагностики редких аритмий;– улучшения обобщающей способности существующих алгоритмов;– снижения зависимости от дефицита аннотированных данных;– обучения новых специалистов в кардиологии. ЗаключениеВ работе представлена гибридная модель VAE-GNN-SSSD для генерации физиологически корректных 12-канальных ЭКГ-сигналов длительностью 10 с. Предложенная архитектура успешно интегрирует вариационный автокодировщик для выделения морфологических компонент, графовую нейронную сеть с частично фиксированной матрицей смежности для соблюдения биофизических законов Эйнтховена и Вильсона и диффузионную модель со структурированным пространством состояний для моделирования долгосрочных временных зависимостей. На тестовой выборке PTB-XL модель достигла значений метрик FID = 0,052 и PRD = 10,8 %, продемонстрировав сопоставимое качество с передовыми аналогами при обеспечении уникального преимущества – встроенной биофизической корректности (MSE по закону Эйнтховена = 0,084).Практическая значимость работы подтверждена успешным применением сгенерированных данных для аугментации обучающих выборок в задаче классификации аритмий на MIT-BIH. Аугментация позволила повысить Macro F1 на 6 % (с 0,84 до 0,89), значительно улучшить распознавание редких и клинически критичных классов (+5–7 % для желудочковых и фузированных сокращений) и снизить ложный пропуск опасных аритмий на 27 %. Модель также продемонстрировала высокую обобщающую способность на независимых ICU-данных (MIMIC-IV-ECG), что подтверждает ее готовность к применению в реальных клинических условиях для решения фундаментальной проблемы дефицита аннотированных данных при сохранении приватности пациентов.