Esta página ha sido traducida por una máquina. Otras páginas pueden seguir apareciendo en inglés. View in English

Mejoramiento del estado para el modelo 3D CAISR-LSTM determinado por LSTM para la detección automática de infarto de miocardio

Muqing Deng ^1,2, Boyan Li ¹, Mingying Ma ¹

⁰School of Automation, Guangdong University of Technology, Guangzhou, People's Republic of China.

Physiological Measurement +

|

20 de agosto de 2025

Ver abstracta en PubMed

Resumen

Un nuevo modelo 3D de Convolution-Attention (3D CAISR-LSTM) detecta con precisión el infarto de miocardio (IM) mediante electrocardiogramas (ECG). Este enfoque de IA ofrece una herramienta prometedora para la detección temprana de infarto de miocardio, mejorando potencialmente los resultados de los pacientes y la asignación de recursos.

Área De La Ciencia

La inteligencia artificial en la medicina
Diagnóstico cardiovascular
Procesamiento de señales

Sus Antecedentes

Los electrocardiogramas (ECG) son cruciales para diagnosticar el infarto de miocardio (IM), pero la interpretación requiere cardiólogos expertos, lo que lleva a limitaciones de recursos y retrasos en el diagnóstico.
La automatización de la detección de infarto de miocardio a partir de ECGs es esencial para superar estos desafíos y permitir la atención oportuna del paciente.

Objetivo Del Estudio

Desarrollar y evaluar un nuevo método de detección automática del infarto de miocardio utilizando datos de ECG de 12 derivaciones.
Implementar un refinamiento de estado mejorado para un modelo 3D de Convolution-Attention (3D CAISR-LSTM) determinado por Long Short-Term Memory (LSTM) para una mayor precisión de detección de MI.

Principales Métodos

Se desarrolló un modelo 3D CAISR-LSTM y se entrenó de extremo a extremo en señales de ECG preprocesadas de 12 derivaciones.
Las señales de ECG se transformaron en imágenes de frecuencia temporal utilizando la transformación de onda continua e interpolación bilineal.
El modelo incorporó un módulo de convolución, módulos de atención y un refinamiento mejorado del estado LSTM, evaluado utilizando una validación cruzada de diez veces en la base de datos de ECG de diagnóstico PTB.

Principales Resultados

El modelo 3D CAISR-LSTM logró métricas de alto rendimiento: 98.45% de precisión, 98.69% de sensibilidad, 97.50% de especificidad y 99.03% de puntuación F1.
El modelo propuesto superó significativamente a las arquitecturas avanzadas de redes neuronales profundas 2D y 3D existentes en la detección de MI.

Conclusiones

El modelo 3D CAISR-LSTM demuestra un potencial significativo para la detección automática precisa y temprana del infarto de miocardio a partir de ECGs.
Este enfoque podría conducir al desarrollo de equipos de detección de infarto de miocardio ligeros y integrados para un uso clínico generalizado y sistemas de alerta temprana.

Palabras clave:

Modelo 3D del CAISR-LSTM Detección de infarto de miocardio Mecanismo de refinamiento estatal