南方医科大学学报

作者：卢学麒, 陈华元, 吴秋岑, 温耀棋, 刘国光, 陈超敏

单位：1.南方医科大学生物医学工程学院，广东 广州 510515；2.广州南方医疗设备综合检测有限责任公司，广东 广州 510515；3.广东省医疗器械质量监督检验所，广东 广州 510663

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,

基金：国家重点研发计划(2023YFC2414500);国家重点研发计划(2023YFC2414502)

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。

来源：2026年第1期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2026年第1期