设计和验证 Withings ECG 软件 2,一个基于微小神经网络的算法,用于检测心房动
1Withings, 2 rue Maurice Hartmann, Issy-les-Moulineaux, 92130, France.
Computers in biology and medicine
|December 6, 2024
概括
一个新的轻量级算法,WECG-SW2,使用一个小型卷积神经网络,从心电图带准确地检测心房动 (AF). 这可以通过可穿戴设备进行早期AF选.
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:
- 心房 (AF) 是一种普遍存在的心律失常症 (1-2%),与心血管疾病死亡率的增加有关.
- 早期诊断AF至关重要,特别是考虑到30-40%的患者是无症状的.
- 可穿戴和家用设备为AF查提供了新的机会.
研究的目的:
- 开发和评估WECG-SW2,用于分类心电图条的轻量级算法.
- 为了使在设备上使用最小的计算资源来实现AF检测.
主要方法:
- WECG-SW2将30秒的头部I型心电图条分为正常鼻节律 (NSR),AF,其他或噪声等类别.
- 该算法使用一个微小的卷积神经网络 (CNN),具有3633个参数.
- QRS复杂检测用于为CNN创建低维输入.
主要成果:
- 在一个综合数据库 (Withings研究+MIT-BIH心律失常数据库) 上,WECG-SW2实现了高 AF 检测准确度.
- 根据专有数据,AF检测灵敏度为99.63%,特异性为99.85%.
- 在MIT-BIH数据库中,灵敏度为99.87%,特异性为100%.
结论:
- WECG-SW2在各种ECG硬件中显示出AF检测的高灵敏度和特异性.
- 该算法的轻量级性质可以在ECG采集设备上直接实现.
- WECG-SW2二进制可用于研究目的.
