基于深度学习算法,使用在鼻节律期间打印的12导电心脏记录来对心房动进行查工具
Yang Zhou1, Deyun Zhang2, Yu Chen3
1Heart Center, Beijing Chaoyang Hospital, Capital Medical University, 100020 Beijing, China.
Reviews in cardiovascular medicine
|August 14, 2024
概括
一个人工智能工具在鼻节律 (SR) 期间,从打印的心电图 (pECG) 记录中准确地检测出心房动 (PAF). 这种人工智能驱动的选显示出广泛使用的希望,特别是在资源有限的环境中.
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:
- 人工智能 (AI) 已经从心电图 (ECG) 中改善了心房动 (AF) 的检测.
- 印制心电图 (pECG) 用于AF检测的应用,尤其是在发展中国家,尚未得到充分研究.
- 本研究评估了一种人工智能工具,用于在鼻节律 (SR) 期间使用pECGs查 Paroxysmal AF (PAF).
研究的目的:
- 评估基于人工智能的查工具对阳性心房动 (PAF) 的疗效.
- 为了确定印制的心电图 (pECG) 记录在鼻节律 (SR) 期间用于AF检测的实用性.
- 探索AI在资源有限的环境中用于AF查的潜力.
主要方法:
- 分析了来自2192名患者的5688份打印的12SR-ECG记录.
- 从pECG中检测PAF的深度学习模型的开发.
- 随机分配到培训,验证和测试数据集;开发一个数字化应用程序.
主要成果:
- 人工智能算法实现了高性能:87.5%的灵敏度,66.7%的特异性,78.6%的准确性.
- F1得分为0.824,AUROC为0.871,PRAUC为0.914. 这两项都得到了很好的结果.
- 格拉德-CAM分析表明该模型对PAF检测的ECG区域的集中方法.
结论:
- 对印刷SR-ECG记录的深度学习分析表明PAF检测的高精度.
- 人工智能工具在临床实践中显示出作为可靠查方法的潜力.
- 这种方法可以提高AF查的可访问性,特别是在发展中国家.
