多专家组合心电图诊断算法,使用254个层次的多个标签之间的相互排斥的共生相关性
Jiewei Lai1,2, Yue Zhang1,2, Chenyu Zhao1,2
1School of Biomedical Engineering, Southern Medical University, Guangzhou, China.
NPJ cardiovascular health
|March 3, 2026
概括
一个新的多专家组合学习模型可以识别254个心电图 (ECG) 术语,显著改善心脏健康诊断. 这种先进的AI工具通过检测比以前的方法更多的心律失常,为公共卫生提供了全面的支持.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 电心电图 (ECG) 对心脏健康评估至关重要,但目前的AI模型检测条件有限.
- 现有的智能心电图诊断工具只涵盖少数常见的心律失常,需要进一步的临床审查.
研究的目的:
- 开发一个先进的多专家合体学习模型,用于全面的心电图分析.
- 提高人工智能的诊断能力,识别更广泛的心电图异常.
主要方法:
- 在191,804个可穿戴的12引线心电图上训练的多专家合体学习模型的开发.
- 在损失水平上,在分层多重标签之间应用相互排斥的共生相关性.
- 解决阶级不平衡的挑战,以提高模型的稳定性.
主要成果:
- 该模型成功地识别了254个不同的ECG术语.
- 实现了高性能,接收器运行特征曲线下的平均面积为0.973 (离线) 和0.956 (在线).
- 选择了130个具有临床意义的术语,用于实际应用.
结论:
- 开发的模型为公共ECG解释提供实时,全面的辅助支持.
- 这种人工智能驱动的方法显著提高了诊断准确度和ECG分析的范围.
- 该模型为心脏病专家和公共卫生倡议提供了宝贵的支持.
