人工智能用于检测远程监控数据中的噪声事件
Nobuhiro Nishii1, Kensuke Baba2, Ken'ichi Morooka3
1Department of Cardiovascular Therapeutics Okayama University Graduate School of Medicine, Dentistry, and Pharmaceutical Sciences Okayama Japan.
Journal of arrhythmia
|June 28, 2024
概括
人工智能 (AI) 可以准确地识别心脏植入式电气设备 (CIED) 远程监测数据中的噪音事件. 这种人工智能分析表明,对早期和精确检测CIED引擎失败的结果是有前途的.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 心脏植入式电气设备 (CIED) 的远程监控 (RM) 有助于早期发现事件.
- 目前,CIED对衰竭的诊断能力不足,通常最初以噪声事件为误认为心律不整.
- 对心内电图进行衰竭的手动分析受到不良节律事件的压倒性体积的阻碍.
研究的目的:
- 评估神经网络在准确识别来自CIEDs的RM数据中的噪音事件中的有效性.
- 为了确定AI是否可以通过区分噪音和真正的心律失常来改善早期检测失效.
主要方法:
- 分析了来自Medtronic和波士顿科学设备的21,918个RM数据集.
- 在标记噪音和非噪音事件上使用五倍交叉验证方法训练一个卷积神经网络.
- 使用加权损失函数来潜在地提高关键事件的检测率.
主要成果:
- 人工智能模型实现了高性能指标,包括精度,回忆,F1得分和准确性,对于Medtronic和波士顿科学数据.
- 梅特罗尼克的特定性能:85.8%的精度,91.6%的回忆,88.4%的F1得分,88.0%的准确性和0.958的AUC.
- 波士顿科学的具体性能:精度为88.4%,回忆率为81.0%,F1得分为84.1%,准确率为84.2%,AUC为0.928. 一个加权损失函数改善了回忆.
结论:
- 人工智能显示出在CIED RM数据中准确检测噪声事件的高能力.
- 人工智能驱动的分析具有很大的潜力,可以及早准确地识别导致故障事件,克服手动审查的局限性.
