基于LSTM/GRU改进状态精炼模块的心肌梗塞自动检测
1Department of Network Engineering, Anhui Science and Technology University, Fengyang 233100, China; School of Mathematics, Tianjin University, Tianjin 300354, China.
Artificial intelligence in medicine
|April 19, 2024
概括
这项研究引入了改进的深度学习模型,ISRM-LSTM和ISRM-GRU,用于更快,更准确的心肌梗塞 (MI) 诊断. 这些模型提高了诊断的准确性,为轻量级医疗设备提供了潜力.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 心肌梗塞 (MI) 诊断依赖于耗时的视觉心电图解释.
- 目前对心脏病发作的诊断方法是劳动密集型的,容易延误.
研究的目的:
- 开发先进的深度学习模型,用于 MI 检测中的自动化 ECG 分析.
- 提高MI诊断的效率和准确性,使用新的循环神经网络架构.
主要方法:
- 提出了两个改进的国家精炼框架:ISRM-LSTM和ISRM-GRU,基于SRM-LSTM.
- 将这些框架集成到一个卷积神经网络架构中.
- 使用Physikalisch-Technische Bundesanstalt数据库对标准LSTM,GRU和剩余网络进行性能比较.
主要成果:
- 实现了99.1%的MI检测诊断准确度.
- 与对照组和现有算法相比,表现出明显的性能改善.
- 突出了模型通过消息传递以适应性地改进心电图样本点状态的能力.
结论:
- 通过将交互特征纳入深度网络以改进心电图分析,ISRM-LSTM和ISRM-GRU代表了一种新的方法.
- 这些模型提高了可解释性,并显示了在使用三通道ECG的轻量级设备上应用的巨大潜力.
- 提出的方法为MI诊断提供了比传统的视觉心电图检查更有效,更准确的替代方案.
