华中科技大学同济医学院附属同济医院心血管内科杨晓云主任医师和朱红玲医生团队研究开发了一种基于深度神经网络学习的心电图智能诊断模型，不仅提高了心脏肥大/扩大的诊断效能，而且为检测策略从被动向主动的转变提供了强有力的工具。近日，此项研究成果在国际著名期刊《新英格兰医学·人工智能》上正式发表。
相关论文
研究团队通过对93,824名患者的112,685份心电图大数据进行深度神经网络学习，开发了心电图-Cor-Net模型。该模型通过提取与心脏疾病相关的波形特征揭示所隐藏的心脏病理信息，模型诊断的平均准确率达到85.1%。这一创新不仅提高了诊断心脏肥大/扩大的准确性，而且为早期进行干预进而减少心力衰竭和猝死的发生提供了依据。
研究团队比较了该模型与六名心电图医生的诊断成绩，采用另一家医院和公共数据集的外部数据来评估其泛化能力。模型诊断水平均高于医生水平，平均敏感性提高至医生水平的两倍。这是国内外首次在超声心动图匹配的心电图基础上采用人工智能算法检测心脏肥大/扩大的研究。
此外，该研究还引入了一种聚合归因分数的新方法，探讨心电图导联的重要性。研究发现只需4个导联（I、aVR、V1和V5）就可准确地诊断心脏肥大/扩大，诊断结果与已建立的诊断标准相符。该项研究结果有望取代传统的12导联心电图，为设计便携式心电设备、朝着简化导联进行高效心电图诊断迈出了一步。
研究结果展示了利用深度神经网络学习技术和精简心电图导联来提高对心脏肥大/扩大诊断效率的潜力，这对未来开发便携式健康监测设备提供了新思路。
（来源：极目新闻）
今天的文章 max30102心率检测模块原理图（max30102采集心率流程图）分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ri-ji/16876.html