南方医科大学学报

作者：王泓森, 米利杰, 张越, 葛兰, 赖杰伟, 陈韬, 李健, 时向民, 修建成, 唐闵, 阳维, 郭军

单位：1.解放军总医院第六医学中心心血管病医学部，北京 100048；2.中国医学科学院阜外医院心律失常中心，北京 100037；3.南方医科大学生物医学工程学院，广东 广州 510515；4.南方医科大学南方医院心内科，广东 广州 510515

关键词：穿戴式心电图,室上性心动过速,十二导联心电图,多尺度深度神经网络,房室结折返性心动过速,房室折返性心动过速,

基金：国家重点研发计划(2018YFC2001205);军委后勤保健专项

目的 基于十二导联穿戴式心电设备，探索室上性心动过速（SVT）机制鉴别的智能分类模型。 方法 选取356份SVT的穿戴式心电图，通过五折交叉验证的方式随机分为训练集、验证集建立智能分类模型，选取2021年10月~2023年3月诊断为SVT并行电生理检查及射频消融术的患者共101例作为测试集。对比心动过速诱发前后的心电图参数改变，基于多尺度深度神经网络，并加入窦性心律对比图增强训练，建立SVT机制分类的智能分类模型并验证诊断效能。进一步提取II，III，V1三导联心电信号建立分类模型，并对比其与十二导联智能分类模型的效能。 结果 101例测试集中68例为房室结折返性心动过速，33例为房室折返性心动过速。预训练模型在验证集中识别房室结折返性心动过速的最高精确率-召回率曲线下面积达到0.9492，F1评分为0.8195。最终II导联，III导联，V1导联，三导联与十二导联智能分类模型于测试集中的总F1评分分别为0.5597，0.6061，0.3419，0.6003与0.6136。对比十二导联，III导联的净重新分类指数与综合判别改善指数分别为-0.029（P=0.714）与-0.005（P=0.817）。 结论 基于多尺度深度神经网络，初步建立了穿戴式心电图对SVT机制分类的智能分类模型，并具有一定的准确性。

来源：2024年第5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2024年第5期