科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 探讨使用深度学习方法直接对纸质心电图进行处理的可行性，并提出一种能从纸质心电图中快速准确地识别房颤的方法。方法 从CPSC 2018挑战赛数据中选取1 040例房颤患者和1 344例非房颤患者的12导联心电信号，并将其绘制成心电图。将这些心电图打印在纸上，并重新扫描成图像，再通过一系列预处理得到带白色背景的纸质心电图。利用这些纸质心电图构建房颤识别数据集，并以挑战赛提供的真实标签为金标准，对人工智能算法进行训练、验证和测试。结果 基于纸质心电图建立的人工智能算法的敏感性、特异性、F1得分分别为0.957、 0.978、 0.969,受试者工作特征曲线(receiver operating characteristic curve, ROC曲线)下面积为0.994。基于Grad-CAM的特征可视化结果表明，算法判断房颤的依据主要是纸质心电图中的P波位置及房颤发作过程中的F波位置，这与临床上房颤的心电图诊断标准是一致的。结论 基于纸质心电图的房颤识别算法性能较好。可视化结果表明，通过人工智能算法直接分析纸质心电图高效且可行，能为临床实践提供指导。
- 出版日期2023
- 单位安徽心之声医疗科技有限公司; 北京大学; 首都医科大学附属北京朝阳医院
