换一批一种基于深度特征融合的可解释性12导联心电图自动诊断模型研究
Evaluation of an interpretable 12-lead ECG automatic diagnosis model based on deep feature fusion
摘要目的 提升12导联心电图(ECG)自动诊断的准确性和可信度.方法 提出了一种基于深度特征融合的12导联ECG自动诊断模型(MRHL-ECGNet).该模型包含多尺度特征提取前端、ResNet-34、全局特征混合模块及时间序列分析模块,首次将Hyena Hierarchy卷积算子应用于12导联心电图自动诊断任务中,以高效捕捉ECG中的长程依赖关系,并显著降低模型计算复杂度.同时采用基于积分梯度(IG)的可解释性分析技术,实现MRHL-ECGNet决策依据可视化.使用CPSC2018数据集对MRHL-ECGNet进行训练和测试,并采用多项定量评价指标与评估实验对MRHL-ECGNet进行全面评估.结果 在测试集上对9种类别ECG的分类任务中,MRHL-ECGNet的准确率、AUC值、F1分数、精确率和召回率分别达到0.972、0.983、0.864、0.873和0.857,均优于其他对比模型,且在GPU上对单样本输出诊断结果所需的时间为0.007s,在CPU上也仅需0.156s,内存占用为67.196MB.结论 本研究提出的MRHL-ECGNet不仅具有卓越的分类性能,还具备轻量化及可解释性的特点,在临床ECG辅助诊断中具有较高的应用价值.
更多相关知识
关键词
心电图自动诊断深度学习Hyena Hierarchy卷积算子模型可解释性electrocardiogram automatic diagnosisdeep learningHyena Hierarchy Convolution Operatorinterpretability of model
栏目名称
DOI
10.12122/j.issn.1673-4254.2026.01.23
发布时间
2026-01-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
