基于深度卷积神经网络的肥厚型心肌病自动检测模型

肥厚型心肌病(HCM)的早期诊断,对于心源性猝死的早期风险分级、家族遗传病的筛查具有重要意义。本文以单导联心电(ECG)信号为研究对象,提出了一种基于卷积神经网络(CNN)模型的HCM自动检测方法。首先定位单导联ECG信号的R波峰值位置,再以心拍为单位对ECG信号进行分段和重采样,然后搭建CNN模型自动提取ECG信号中的深层特征并进行自动分类和HCM检测。本文实验数据来源于PhysioNet提供的三个公开数据库中提取的108条ECG记录,所建立的HCM心电数据库由14 459个心拍构成,每个心拍包含128个采样点。实验结果显示,优化后的CNN模型能够有效地对HCM进行自动检测,其准确率、灵敏度和特异度分别为95.98%、98.03%和95.79%。本文通过将深度学习方法引入HCM单导联心电分析中,对于克服常规多导联心电检测方法的技术限制和协助临床医生进行快速、便捷的大范围HCM初筛都具有重要的应用价值。