人工智能心电图诊断冠心病的研究进展
魏子豫 刘兴鹏
心电图通过放置于体表特定位置的电极记录心脏电活动,具有无创、便捷、经济等优点,是当今临床应用最广泛的检查方法之一。冠心病(coronary artery disease,CAD)已累及全球1.72%的人口,每年造成900万人死亡[1]。及时、准确地判读心电图,对冠状动脉(简称冠脉)病变的诊断和治疗具有重要意义。现有标准多基于不同导联的QRS波群和ST-T改变判断冠脉病变的性质、程度及部位,要求医师具有扎实的专业知识基础及丰富的临床经验,且心电图的变化足以被肉眼识别。自20世纪70年代起,计算机自动化辅助判读系统开始用于心电图机[2],它可以对采集的心电图进行精确的即时测量和分析,并出具诊断报告。但是,该诊断报告基于人工读图的识别模式及预先定义的规则,常常无法捕捉到心电图复杂而细微的异常,误诊率仍较高。
人工智能是一种模仿人类智能行为的计算机技术,其应用已涉及心血管内科的众多领域,心电图方面的研究更是热点之一。与传统的计算机自动化辅助判读系统相比,应用人工智能的心电图分析具有更高的准确性和工作效率[3]。其实,以数字化格式存储的心电图数据正是人工智能深度学习的理想样本[4]。人工智能算法能够极大地提高临床医师对心电图的分析能力,甚至可以识别人眼难以察觉的特征[5],为其实现诊断价值的最大化提供了可能。
人工智能心电图(artificial intelligence-enabled ECG,AI-ECG)是指将人工智能算法应用于心电图分析的技术,可辅助医生进行诊断、鉴别诊断、临床决策等[6]。机器学习是人工智能的一种实现方式,通过对样本数据的不断重复,识别(即'学习“)其中隐含的规律,并将任务转化为数学问题以寻求最优解。深度学习是机器学习的一个方向,它通过模仿人脑的神经元和神经网络结构,构建多层神经网络来学习数据之间的关系。常用的深度学习算法包括人工神经网络(artificial neural network,ANN)、卷积神经网络(convolutional neural network,CNN)、长短期记忆网络(long short-term memory network,LSTM)等。与基于预先定义的规则进行判读的心电图机辅助系统相比,AI-ECG利用输入的心电图及其诊断训练算法,并通过重复验证自动调整参数,从而达到更高的诊断效能。
2.1 心肌梗死的识别
2014年,SAFDARIAN等[7]率先利用290例心肌梗死患者的心电图,比较了多种模型的分类效能,其中朴素贝叶斯(Naïve Bayes)具有最高的分类准确率(94.7%),概率神经网络(probabilistic neural network,P...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
