南方医科大学学报

作者：吴秋岑, 卢学麒, 温耀棋, 洪永, 吴煜良, 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.南方医科大学第十附属医院（东莞市人民医院）肿瘤放射治疗中心，广东 东莞 523059

关键词：心肌梗死,深度学习,多尺度,残差模块,改进通道注意力,

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

目的 提高心肌梗死（MI）检测和定位准确性，为临床诊断提供辅助决策支持。 方法 本文提出了一种基于多尺度残差模块融合改进通道注意力模型（MSF-RB-MCA）。该模型利用II导联心电图（ECG）信号检测和定位MI，通过多尺度残差模块提取不同层次的特征信息，并引入改进通道注意力自动调整特征权重，增强模型对MI区域的关注能力，从而提高MI检测与定位的精度。 结果 使用公开的PTB数据集对提出的模型进行了5折交叉验证。在MI检测任务中，模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%；在MI定位任务中，准确率、特异性、敏感度分别为99.81%、99.98%和99.65%。检测和定位结果均优于其他几种模型。 结论 本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色，展现出其在可穿戴设备领域中的广泛应用前景。

来源：2025年第8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2025年第8期