Signal2Symbol to nowa rama do wyjaśniającego wykrywania anomalii w physiologicznych seriach czasowych, szczególnie w EKG i EEG. System najpierw konwertuje surowe sygnały biomedyczne na symboliczne sekwencje przy użyciu codebook VQ-VAE (Vector Quantized Variational Autoencoder) lub prostszej metody SAX (Symbolic Aggregate approXimation). To kluczowy krok - zamiast pracować z głośnymi wartościami surowych sygnałów, system operuje na zdyskretyzowanych symbolach, co czyni go bardziej wytłumaczalnym.
Następnie metoda buduje transakcje oparte na bigramach tokenów i szuka rzadkich zbiorów przedmiotów poprzez zaawansowane algorytmy górniczego. Wykryte anomalne okna są łączone w interwały i związane za pomocą algebry interwałowej Allena - formalnego systemu do opisywania relacji czasowych (przed, po, podczas, nakładanie się). To pozwala na konstruowanie composite wyjaśnień: pokazanie, jak anomalia eskaluje, nakładają się artefakty czy kanały synchronizują się nienormanie.
Najciekawsza część to rzadka koncepcyjna krata (rare temporal concept lattice) oparta na Formal Concept Analysis (FCA). System grupuje anomalne interwały wokół wspólnych właściwości - rzadkich symboli, relacji czasowych i kontekstu kanałów. Galois lattice kompresuje wiele lokalnych wykryć w interpretowalne rodziny anomalii. To znaczy dla lekarza - zamiast dostać czarną skrzynkę mówiącą tylko "anomalia tutaj", otrzymuje strukturalny opis wzorców anomalii na przestrzeni czasu. W medycynie, gdzie decyzje muszą być zatrważająco wyjaśnialne i audytowalne, to rozwiązanie adresuje realny problem głębokich modeli typu black-box.