JAHA:使用心电图检测主动脉瓣狭窄的深度学习算法

2020-03-30 xiangting MedSci原创

使用12导联和单导联心电图检测明显AS的深度学习算法准确性很高。

严重的症状性主动脉瓣狭窄(AS)与预后不良相关。但是由于许多患者有很长的无症状期,在此期间筛查工具无效,因此早期发现AS很困难。这项研究目的是开发和验证一种基于深度学习的算法,该算法将多层感知器和卷积神经网络相结合,使用心电图检测明显AS。

这项回顾性队列研究纳入接受过心电图和超声心动图两种检查的成年患者。使用39371个心电图开发基于深度学习的算法。使用来自一家医院的6453个心电图对算法进行内部验证,使用来自另一家医院的10865个心电图进行外部验证。终点是明显AS(超过中等水平)。研究使用人口信息、特征和500Hz、12导联心电图原始数据作为预测指标。此外,还使用灵敏度图确定了哪个区域对算法的决策影响最大。

在内部和外部验证时,使用12导联心电图检测明显AS的深度学习算法的受试者工作特性曲线下面积分别为0.884(95%CI,0.880-0.887)和0.861(95%CI,0.858-0.863);使用单导联的心电图信号分别为0.845(95%CI,0.841-0.848)和0.821(95%CI,0.816-0.825)。灵敏度图显示聚焦于心前区导联T波的算法,可以确定是否存在明显AS。

使用12导联和单导联心电图检测明显AS的深度学习算法准确性很高。

原始出处:

Joon‐Myoung Kwon. Deep Learning–Based Algorithm for Detecting Aortic Stenosis Using Electrocardiography. JAHA. 21 March 2020.

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

束支阻滞心电图几种特殊现象的分析技巧

本文结合两例心电图,共商分析技巧与思路。

Heart:心源性猝死患者心电图与心肌纤维化的关系

心肌纤维化与QRS波延长、深Q波、T波倒置和QRS波碎裂有关。这些结果为识别纤维性心肌病和SCD风险患者提供了潜在有用的无创早期指标。

Stroke:心电图ST段和T波异常与卒中风险相关

由此可见,存在NSSTTA与未来发生缺血性卒中的风险增加27%有关。

JACC:基于心电图的肥厚型心肌病人工智能检测算法

肥厚型心肌病(HCM)是一种不常见但重要的心源性猝死原因。本研究的目的旨在开发一种基于12导联心电图(ECG)的HCM人工智能检测方法。本研究利用12导联心电图对2448例确诊为HCM的患者和51153例年龄性别匹配的非HCM对照者进行卷积神经网络(CNN)的检测。随后,CNN会在612名HCM患者和12788名对照进行验证。HCM组患者的平均年龄为54.8 ± 15.9岁,对照组平均年龄为57.

年轻女性心悸十年,其心电图的诊断....

长期反复心悸会诱发哪些疾病呢?患者的心电图应该如何诊断?

Lancet:AI系统助力房颤的鉴别

研究发现,AI可提高正常窦性心律期间获得房颤特征的识别率