相关实验视频
Updated: Jun 22, 2025

04:36
Noninvasive Electrocardiography in the Perinatal Mouse
Published on: June 12, 2020
6.0K
基于儿科心电图的深度学习来预测第二次心房 Septal 缺陷
Joshua Mayourian1,2, Robert Geggel1,2, William G La Cava1,2
1Department of Cardiology, Boston Children's Hospital, 300 Longwood Avenue, Boston, MA, 02115, USA.
Pediatric cardiology
|July 2, 2024
概括
人工智能增强心电图 (AI-pECG) 显示出在儿童中检测二次心房隔膜缺陷 (ASD2) 的前景. 这种人工智能工具可以帮助儿童患者早期查和诊断ASD2.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 儿科健康 儿科健康
背景情况:
- 在儿童中,第二次心房隔膜缺陷 (ASD2) 的检测往往会延迟,导致潜在的并发症.
- 人工智能 (AI) 在成年人心电图分析中对ASD2检测表现有前途,但小儿应用尚未得到充分探索.
研究的目的:
- 开发和评估AI-pECG模型,用于检测小儿病患者 (≤18岁) 的ASD2.
- 评估模型在内部测试和紧急部门队列中的表现.
主要方法:
- 一个卷积神经网络 (AI-pECG) 在儿科患者的配对心电图-心电图 (≤2天间隔) 上受训.
- 使用AUROC和AUPRC对内部测试和紧急部门队列进行模型性能评估.
主要成果:
- 人工智能-pECG模型在两个队列中都表现出强的表现 (内部测试:AUROC 0.84,AUPRC 0.46;ED队列:AUROC 0.80,AUPRC 0.30).
- AI-pECG的表现优于不完整的右捆分支区块的传统ECG发现.
- 可解释性分析确定了与ASD2风险相关的关键ECG特征.
结论:
- 人工智能pECG显示出在儿童患者中廉价查和检测ASD2的显著前景.
- 需要进一步的多中心验证和前性试验,以将AI-pECG纳入临床决策.

