• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
高级检索

检索历史 清除

基于卷积神经网络的流出道室性期前收缩心电信号人工智能定位诊断的模型构建

Model building of electrocardiogram signal artificial intelligence localization for outflow tract premature ventricular complex based on convolutional neural network

摘要:

目的 构建基于卷积神经网络(convolutional neural network,CNN)的流出道室性期前收缩(outflow tractpremature ventricular complex,OTPVC)心电信号的人工智能定位诊断模型.方法 研究纳入了2015年10月至2019年11月就诊于广东省人民医院,经心电生理检查确诊为OTPVC的421例患者,其中右心室流出道(RVOT)330例,左心室流出道(LVOT)91例,采集每例患者各1份包含室性期前收缩(premature ventricular complex,PVC)的体表12导联心电信号及心电图.心电信号经过预处理,输入VGGNet、ResNet和MobileNet等3种CNN进行训练,构建3种人工智能OTPVC左右侧二分类定位诊断模型,比较3种模型的诊断效能,并与两名心电生理专科医师的诊断结果进行对比.结果 基于VGGNet、ResNet和MobileNet架构的3种CNN模型的曲线下面积均为0.88,对OTPVC二分类定位诊断的准确度分别为87.65%、88.84%、89.31%,敏感度为92.12%、95.45%、95.45%,特异度为71.43%、64.84%、67.03%.两名心电生理医师对OTPVC的准确度分别为77.78%、79.01%,敏感度为93.70%、97.64%,特异度为20.00%、11.43%.3种CNN模型的诊断效能相近,其敏感度与两名医师相近,但准确度和特异度高于两名医师.结论 本研究成功构建了OTPVC心电信号的3种CNN人工智能左右侧定位诊断模型,构建的人工智能模型均具有良好的诊断效能,有望在体表心电信号定位诊断中发挥重要作用.

更多
作者: 文龙 [1] 胡鑫荣 [2] 梁东坡 [1] 林敏茵 [1] 刘甜 [1] 王树水 [1]
作者单位: 广东省心血管病研究所心儿科广东省人民医院(广东省医学科学院),广州510080 [1] 美国圣母大学工程学院计算机科学与工程系,美国 [2]
分类号: R541.7
栏目名称: 论著
DOI: 10.3969/j.issn.1007-9688.2022.02.11
发布时间: 2022-05-06
基金项目:
医疗流程辅助智能软硬件系统与应用项目 广东省医学科学技术研究基金项目
  • 浏览:3
  • 下载:2

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

北京万方数据股份有限公司

万方数据电子出版社

京ICP证010071号

京公网安备11010802020237号

京ICP备08100800号-1

违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

充值 订阅 收藏 移动端 使用
帮助