相关实验视频
Updated: Sep 10, 2025
06:53
3D Whole-heart Myocardial Tissue Analysis
Published on: April 12, 2017
8.9K
用于自动检测心肌梗塞的LSTM确定3DCAISR-LSTM模型的改进状态
Muqing Deng1,2, Boyan Li1, Mingying Ma1
1School of Automation, Guangdong University of Technology, Guangzhou, People's Republic of China.
Physiological measurement
|August 20, 2025
概括
一个新的3D卷积注意 (3D CAISR-LSTM) 模型使用心电图 (ECG) 准确检测心肌梗塞 (MI). 这种人工智能方法为早期瘤检测提供了一个有前途的工具,有可能改善患者的治疗结果和资源配置.
科学领域:
- 医学的人工智能
- 心血管诊断
- 信号处理
背景情况:
- 电心电图 (ECG) 对于诊断心肌梗塞 (MI) 是至关重要的,但解释需要专家心脏病学家,导致资源限制和诊断延迟.
- 通过心电图自动检测心脏病发作是克服这些挑战和及时照顾患者的关键.
研究的目的:
- 开发和评估使用12导心电图数据的新型自动检测方法.
- 为了提高 MI 检测准确度,实施了对长期短期记忆 (LSTM) 确定 3D 卷积注意 (3D CAISR-LSTM) 模型的改进状态.
主要方法:
- 一个3D CAISR-LSTM模型在预处理的12导电图信号上进行了端到端的训练.
- 通过连续波形转换和双线插入将心电图信号转换为时间频率图像.
- 该模型包含一个卷积模块,注意力模块和改进的LSTM状态精细化,使用PTB诊断心电图数据库进行十倍交叉验证进行评估.
主要成果:
- 3D CAISR-LSTM模型实现了高性能指标:98.45%的精度,98.69%的灵敏度,97.50%的特异性和99.03%的F1分数.
- 拟议的模型在MI检测方面显著优于现有的先进的二维和三维深度神经网络架构.
结论:
- 3D CAISR-LSTM模型显示了通过心电图准确和早期自动检测心肌梗塞的巨大潜力.
- 这种方法可能会导致开发轻量级的嵌入式MI检测设备,用于广泛的临床使用和早期预警系统.
