相关实验视频

通过人工神经网络在12轴心心电图中检测到急性心肌梗塞

B Hedén¹, H Ohlin, R Rittner

¹Department of Clinical Physiology, Lund University, Sweden.

|October 10, 1997

概括

人工神经网络显著改善了使用12心电图检测急性心肌梗塞的检测. 与传统方法和专家心脏病学家相比,这些先进的算法提供了更高的灵敏度和诊断能力.

科学领域:

心脏病学心脏病学
人工智能的人工智能
医学诊断医学诊断医学诊断

背景情况:

12导电心电图 (ECG) 对于诊断急性心肌梗塞 (AMI) 是至关重要的.
自动ECG解释有助于经验较少的医生进行诊断.
人工神经网络 (ANN) 显示出增强传统解释程序的潜力.

研究的目的:

在使用人工神经网络 (ANN) 的12导心电图中检测急性心肌梗塞 (AMI).

主要方法:

在1120个AMIECG和10452个控制ECG上接受过培训的ANN.
利用12个ST-T段的测量进行训练.
与标准心电图解释程序和专家心脏病专家分类相比,ANN的性能.

主要成果:

与解释程序和心脏病专家相比,ANN表现出更高的灵敏度和辨别能力.
在95.4%的特异性 (P<.00001) 时,ANN灵敏度比解释程序高15.5%,比解释程序高15.5%.
随着86.3%的特异性 (P<.00001),ANN灵敏度比心脏病学家高10.5%,比心脏病学家高10.5%.

结论:

ANN可以增强用于急性心肌梗塞 (AMI) 检测的自动ECG解释.
作为新手和经验丰富的临床医生的决策支持工具,ANN显示出希望.

相关概念视频