评估使用深度学习从有限的线索进行12导电心电图重建的可行性
Oriana Presacan1, Alexandru Dorobanţiu2, Jonas L Isaksen3
1Oslo Metropolitan University, 0167, Oslo, Norway.
Communications medicine
|April 25, 2025
概括
人工智能无法从单设备准确地重建12导电心电图 (ECG). 开发的神经网络显示了回归到平均值的效果,使得重建的ECG不适合临床诊断.
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:
- 可穿戴设备提供可访问的单导电心电图 (ECG) 采集.
- 12导电图仍然是心脏评估的临床标准.
- 从有限的线索中重建12个线索ECG是一个研究领域.
研究的目的:
- 开发和评估一个神经网络,从单引线或双引线输入中重建12引线ECG.
- 评估基于AI的心电图重建的数学准确性和临床适用性.
主要方法:
- 利用生成对抗网络与来自PTB-XL队列 (9514个人) 的数据.
- 训练并测试网络使用线索I或线索I和II来重建缺失的线索.
- 使用振幅分析,布兰德-阿尔特曼图表和相互关联对比的量化重建准确性.
主要成果:
- 重建的ECG表现出显著的回归到平均值效应,降低了前线的变化.
- 幅度平均值以偏差重建,重建错误与真实幅度相关联.
- 虽然线索之间的关系显示了类似的斜率,但重建的ECG显著减少了差异,使用两个线索并没有改善重建.
结论:
- 以人工智能为基础的12轴心心电图重建导致了通用的输出 (回归到平均值),而不是个性化的结果.
- 目前的AI方法不适合临床使用,因为它无法捕捉个体心脏细微差别.
更多相关视频
05:03Patient Directed Recording of a Bipolar Three-Lead Electrocardiogram using a Smartwatch with ECG Function
Published on: December 11, 2019
8.5K
06:57Ablation of Ischemic Ventricular Tachycardia Using a Multipolar Catheter and 3-dimensional Mapping System for High-density Electro-anatomical Reconstruction
Published on: January 31, 2019
14.4K
