一次性查:利用二维卷积神经网络,使用心电图自动检测左心室缩
Chun Cai1, Takeshi Imai1, Eriko Hasumi2
1Center for Disease Biology and Integrative Medicine, Graduate School of Medicine, The University of Tokyo, Japan.
Computer methods and programs in biomedicine
|March 1, 2024
概括
一种新的二维卷积神经网络 (2D-CNN) 方法有效地从心电图 (ECG) 数据中检测左心室缩 (LVH). 这种方法显著改进了现有的方法,为早期心脏病诊断提供了一个有前途的工具.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 左心室缩 (LVH) 是心力衰竭的重要危险因素.
- 早期发现LVH对于及时干预和改善患者结果至关重要.
- 传统的LVH查方法具有局限性.
研究的目的:
- 开发和评估一种新的方法,以使用12导电心电图 (ECG) 波形来增强LVH检测.
- 使用二维卷积神经网络 (2D-CNN) 来提高诊断准确度.
- 为了解决ECG数据一维 (1D) 分析的局限性.
主要方法:
- 使用了42,127对心电图-心电图-心电图-心电图的数据集.
- 原始的心电图数据被预先处理成每个的单次拍摄图像.
- 开发了一个2D-CNN深度学习模型,并与传统的心电图标准和1D-CNN模型进行了比较.
主要成果:
- 2D-CNN模型在LVH检测中实现了0.916的接收器运行特征曲线 (AUROC) 下的高平均面积.
- 性能优于后勤回归,随机森林和传统的心电图标准.
- 2D-CNN模型显著优于以前使用的1D-CNN方法 (AUROC 0.807).
结论:
- 拟议的2D-CNN方法为LVH检测提供了一个强大的,计算效率高的方法.
- 这种新的技术将可变长度的心电图波形转换为固定大小的图像,提高了适应性.
- 该方法显示了将其纳入临床实践的潜力,用于早期的LVH诊断和改善患者管理.
关键词:
卷积神经网络是一种卷积神经网络.深度学习模型深度学习模型心声回声扫描 (Echocardiography) 是一种心声回声扫描.电心电图 (ECG) 是一种心电图.综合神经网络是一个神经网络.左心室过度缩小左心室过度缩小更多相关视频
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
1.7K
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
6.3K
