换一批从大致正常心电图预测冠状动脉重度狭窄的人工智能模型
Artificial intelligence models for predicting severe coronary stenosis from apparently normal ECGs XUE
摘要目的 探讨不同的人工智能模型从大致正常心电图中预测主要冠状动脉(简称冠脉)或其主要分支重度狭窄(≥90％)的性能.方法 收集行择期冠脉造影检查的患者术前心电图,并将筛选出来的392份大致正常心电图与冠脉造影结果进行匹配,建立数据集.按照主要冠脉或其主要分支的狭窄程度,对入选患者进行分组,其中138例为重度狭窄(狭窄程度≥90％,病例组);254例为无或轻度狭窄(狭窄程度<50％,对照组).采用根据心电图从头训练、根据心电图融合临床信息从头训练,以及从已训练心电图分类模型进行迁移学习三种方法,分别构建三个深度神经网络模型:模型1、模型2和模型3.结果 最终模型1的AUC值为0.65,敏感性62.5％,特异性66.7％,F1评分0.483.模型2的AUC值为0.66,敏感性63.0％,特异性69.2％,F1评分0.563.模型3的AUC值为0.63,敏感性55.6％,特异性53.8％,F1评分0.438.结论 模型2的性能优于模型1,而模型3的性能略低于模型1.人工智能模型根据大致正常心电图预测冠脉重度狭窄具有一定的价值.
更多相关知识
- 浏览93
- 被引2
- 下载55
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
