摘要
一项新的研究表明，神经网络方法仅通过分析一次原始心电图(ECG)心跳，就可以100%准确地识别充血性心力衰竭(CHF)。
一项新的研究报告称，新开发的神经网络方法仅通过分析一次原始心电图心电图心电图心电图(ECG)心跳，就可以100%准确地识别充血性心力衰竭心力衰竭心力衰竭心力衰竭(CHF)。
充血性心力衰竭(CHF)是一种慢性进行性疾病，影响心脏肌肉的泵血能力。由于高患病率、高死亡率和持续的医疗成本，临床医生和卫生系统迫切需要有效的检测过程。
塞巴斯蒂安。马萨罗博士
组织神经科学副教授萨里大学的博士曾与同事米卡尔Porumb和莱安德罗Pecchia华威大学和大学的埃内斯托Iadanza佛罗伦萨,解决这些重要问题通过使用卷积神经网络(CNN)——分层神经网络识别模式的高效和结构数据。
发表在《i>生物医学信号处理与控制杂志》上的他们的研究极大地改进了现有的主要关注心率变异性的CHF检测方法，这些方法虽然有效，但耗时且容易出错。相反，他们的新模型结合了先进的信号处理和机器学习工具对原始心电信号，提供100%的准确性。
马萨罗博士说:“我们在大量公开的心电图数据集上对CNN模型进行了训练和测试，这些数据集包括患有CHF的受试者以及健康、无心律失常的心脏。我们的模型提供了100%的准确性:只要检查一次心跳，我们就能检测出一个人是否患有心力衰竭。我们的模型也是已知的最早能够识别心电图的形态学特征的模型之一，这些特征与病情的严重程度密切相关。”
欧洲医学和生物工程联盟主席佩基亚博士解释了这些发现的含义:“全世界大约有2600万人受到某种形式的心力衰竭的影响，我们的研究对目前的方法提出了一个重大进展。使临床医生能够获得准确的CHF检测工具可以产生重大的社会影响，患者可以受益于早期和更有效的诊断，并减轻NHS资源的压力。”
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
