对于左心室辅助设备的深度学习系统 根据心电图进行候选评估
Antonio Mendoza1, Mehdi Razavi2, Joseph R Cavallaro1
1Rice University, Houston, TX, United States.
Computing in cardiology
|April 17, 2024
概括
使用心电图 (ECG) 数据的新深度学习系统有助于评估患者对左心室辅助器件 (LVAD) 的候选人. 这项技术改善了高级心力衰竭治疗的决策.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 左心室辅助器件 (LVAD) 对晚期心力衰竭至关重要.
- 准确的患者候选性评估对于成功的LVAD植入和恢复至关重要.
- 当前的方法可能在全面评估候选人方面存在局限性.
研究的目的:
- 开发和评估深度学习 (DL) 系统用于左心室辅助器件 (LVAD) 候选人评估.
- 使用心电图 (ECG) 数据来分层患者适合LVAD治疗.
- 为了增强管理高级心力衰竭患者的临床医生的决策过程.
主要方法:
- 实施多模型深度学习系统,处理单导和12导心电图数据.
- 使用节拍细分,分类和语义细分技术.
- 纳入模型可解释性和不确定性估计,以便进行可靠的分析.
主要成果:
- 在基于心电图的候选分类中,DL系统取得了最先进的结果.
- 证明了高性能,不同模型的多标签平均AUC为0.9924,0.9468,0.9956.
- 该系统有效地帮助分层LVAD候选人.
结论:
- 拟议的深度学习方法为LVAD候选评估提供了一种新有效的方法.
- 基于心电图的DL分析可以显著帮助高级心力衰竭的临床决策.
- 这项技术有可能改善接受LVADs的患者的治疗结果.
