期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于体表心电图的房颤自动识别算法综述
被引量:
3
1
作者
钟高艳
陆宏伟
+1 位作者
谷雪莲
孙毅勇
《北京生物医学工程》
2018年第5期539-544,550,共7页
首先介绍了房颤的症状、发病率及危害,然后重点阐述了基于体表心电图的房颤时域、频域和非线性分析自动识别技术,最后对文献报道的房颤识别算法辨别房颤的灵敏性、特异性、阳性预测率、准确率进行统计,并对各种方法的优缺点进行了比较...
首先介绍了房颤的症状、发病率及危害,然后重点阐述了基于体表心电图的房颤时域、频域和非线性分析自动识别技术,最后对文献报道的房颤识别算法辨别房颤的灵敏性、特异性、阳性预测率、准确率进行统计,并对各种方法的优缺点进行了比较。经过对比发现,利用多个R-R间期关联性的信息进行特征提取可以提高检测房颤的精度。此外,仅基于R-R间期的算法需较长的心电才能准确识别房颤,结合心房活动识别精度明显提高,当房性室性心动过速发生时,或者当心电节律快速改变时,此时信号更加适用于频域分析。非线性算法是对时域基于R-R间期算法的一种改进,能够进一步提高识别精度。
展开更多
关键词
房颤自动识别
体表心电图
时域
频域
非线性
特征提取
下载PDF
职称材料
全数据库评估概率密度函数法利用R-R间期检测房颤精度
被引量:
2
2
作者
陆宏伟
钟高艳
+1 位作者
龙芋帆
刘章财
《中国医学物理学杂志》
CSCD
2018年第3期333-337,共5页
研究整个MIT-BIH心律失常数据库评估概率密度函数法利用R-R间期检测房颤的精度。研究发现正常窦性心律含较多早搏时[(早搏次数/总心搏次数)>9.3%],识别房颤的精度下降到约70%;左束支传导阻滞含较多早搏时,识别房颤的精度下降到约80%...
研究整个MIT-BIH心律失常数据库评估概率密度函数法利用R-R间期检测房颤的精度。研究发现正常窦性心律含较多早搏时[(早搏次数/总心搏次数)>9.3%],识别房颤的精度下降到约70%;左束支传导阻滞含较多早搏时,识别房颤的精度下降到约80%;而房颤心电中频繁早搏对辨别房颤精度影响很小,仍达91%。可见该算法适用于区分关联性强的序列与关联性弱的序列。正常窦性心律和左束支传导阻滞心律相邻R-R间期关联性强,频繁早搏使其相邻R-R间期关联性减弱,从而降低识别房颤的精度;而房颤相邻R-R间期无关联性,频繁早搏对检测精度无影响。尽管数据库中有种类繁多的心律失常,且伴有频繁的早搏,算法全数据库共约110 000次心跳辨别房颤精度达82%~86%。
展开更多
关键词
房颤
R-R间期
概率密度函数法
早搏
心律失常
下载PDF
职称材料
心脏年龄的深度学习预测模型及其临床应用初探
被引量:
1
3
作者
钟高艳
刘森
+3 位作者
邓新桃
李春普
霍洪业
杨翠微
《中华心律失常学杂志》
2024年第2期131-138,共8页
目的开发一个基于深度学习的心脏年龄预测模型,并探讨其在各类心电图数据集上的应用效果,特别是在评估心房颤动(房颤)患者病情严重程度方面的潜力。方法首先利用PTB-XL公开数据库的12导联心电图和相应年龄数据,设计了一种结合多尺度Tran...
目的开发一个基于深度学习的心脏年龄预测模型,并探讨其在各类心电图数据集上的应用效果,特别是在评估心房颤动(房颤)患者病情严重程度方面的潜力。方法首先利用PTB-XL公开数据库的12导联心电图和相应年龄数据,设计了一种结合多尺度Transformer网络和Inception架构的双流网络模型,提升心脏年龄预测的性能。接着,使用SPH数据集评估该模型的稳定性,根据心律失常发生率将该数据集分为全健康组、半健康组和异常组,并对模型对于不同组别的心脏年龄预测性能进行了比较分析。最后,探索了该模型在真实世界采集的不同轻、重症房颤患者数据集上的应用。模型性能通过(MAE)、均方根误差(RMSE)、决定系数(R^(2))、解释方差分数(EV)和相关系数(COR)来评估模型预测与实际标签的平均偏差及相关性。结果在PTB-XL数据集中,模型的MAE和RMSE分别为7.48和9.43,R2为0.626,COR为0.748,EV为0.633。在SPH数据集中,健康组的MAE和RMSE显著低于异常组,且异常组的R^(2)和EV显著低于健康组,验证了模型在健康样本上的高准确性,同时表明受试者心律失常的发生率越高,预测结果与实际年龄的差异越大。对于不同严重程度的房颤患者,轻症组和重症组的MAE分别为11.61和12.55,显示了心脏年龄预测准确性与患者病情严重程度有显著相关性(P<0.001),表明预测的心脏年龄与真实年龄差值可作为衡量房颤严重程度的可靠指标。结论基于心电图和神经网络预测的心脏年龄可以作为评估不同心律失常心脏健康程度的指标。本心脏年龄预测模型仅需使用患者的心电图数据,可为临床提供一种更为便捷的房颤病情严重程度判别工具。
展开更多
关键词
心房颤动
心脏年龄
深度学习
心电图
病情评估
原文传递
题名
基于体表心电图的房颤自动识别算法综述
被引量:
3
1
作者
钟高艳
陆宏伟
谷雪莲
孙毅勇
机构
上海理工大学医疗器械与食品学院
上海微创电生理医疗科技股份有限公司
出处
《北京生物医学工程》
2018年第5期539-544,550,共7页
基金
上海市生物医学工程研究生示范实践基地(1017308011)资助
文摘
首先介绍了房颤的症状、发病率及危害,然后重点阐述了基于体表心电图的房颤时域、频域和非线性分析自动识别技术,最后对文献报道的房颤识别算法辨别房颤的灵敏性、特异性、阳性预测率、准确率进行统计,并对各种方法的优缺点进行了比较。经过对比发现,利用多个R-R间期关联性的信息进行特征提取可以提高检测房颤的精度。此外,仅基于R-R间期的算法需较长的心电才能准确识别房颤,结合心房活动识别精度明显提高,当房性室性心动过速发生时,或者当心电节律快速改变时,此时信号更加适用于频域分析。非线性算法是对时域基于R-R间期算法的一种改进,能够进一步提高识别精度。
关键词
房颤自动识别
体表心电图
时域
频域
非线性
特征提取
Keywords
automatic atrial fibrillation identification
body surface ECG
time domain
frequency domain
non-inearity analysis
feature extraction
分类号
R318.04 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
全数据库评估概率密度函数法利用R-R间期检测房颤精度
被引量:
2
2
作者
陆宏伟
钟高艳
龙芋帆
刘章财
机构
上海理工大学医疗器械与食品学院
出处
《中国医学物理学杂志》
CSCD
2018年第3期333-337,共5页
基金
上海高校特聘教授(东方学者)岗位计划资助
文摘
研究整个MIT-BIH心律失常数据库评估概率密度函数法利用R-R间期检测房颤的精度。研究发现正常窦性心律含较多早搏时[(早搏次数/总心搏次数)>9.3%],识别房颤的精度下降到约70%;左束支传导阻滞含较多早搏时,识别房颤的精度下降到约80%;而房颤心电中频繁早搏对辨别房颤精度影响很小,仍达91%。可见该算法适用于区分关联性强的序列与关联性弱的序列。正常窦性心律和左束支传导阻滞心律相邻R-R间期关联性强,频繁早搏使其相邻R-R间期关联性减弱,从而降低识别房颤的精度;而房颤相邻R-R间期无关联性,频繁早搏对检测精度无影响。尽管数据库中有种类繁多的心律失常,且伴有频繁的早搏,算法全数据库共约110 000次心跳辨别房颤精度达82%~86%。
关键词
房颤
R-R间期
概率密度函数法
早搏
心律失常
Keywords
atrial fibrillation
R-R intervals
probability density function method
premature heart beats
arrhythmia
分类号
R318.04 [医药卫生—生物医学工程]
R318.5 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
心脏年龄的深度学习预测模型及其临床应用初探
被引量:
1
3
作者
钟高艳
刘森
邓新桃
李春普
霍洪业
杨翠微
机构
复旦大学信息科学与工程学院生物医学工程系
兴化市人民医院心内科
上海市医学图像处理与计算机辅助手术重点实验室
出处
《中华心律失常学杂志》
2024年第2期131-138,共8页
基金
国家自然科学基金(62371138)
江苏省卫健委医学科研项目(ZDB2020025,Z2020075)。
文摘
目的开发一个基于深度学习的心脏年龄预测模型,并探讨其在各类心电图数据集上的应用效果,特别是在评估心房颤动(房颤)患者病情严重程度方面的潜力。方法首先利用PTB-XL公开数据库的12导联心电图和相应年龄数据,设计了一种结合多尺度Transformer网络和Inception架构的双流网络模型,提升心脏年龄预测的性能。接着,使用SPH数据集评估该模型的稳定性,根据心律失常发生率将该数据集分为全健康组、半健康组和异常组,并对模型对于不同组别的心脏年龄预测性能进行了比较分析。最后,探索了该模型在真实世界采集的不同轻、重症房颤患者数据集上的应用。模型性能通过(MAE)、均方根误差(RMSE)、决定系数(R^(2))、解释方差分数(EV)和相关系数(COR)来评估模型预测与实际标签的平均偏差及相关性。结果在PTB-XL数据集中,模型的MAE和RMSE分别为7.48和9.43,R2为0.626,COR为0.748,EV为0.633。在SPH数据集中,健康组的MAE和RMSE显著低于异常组,且异常组的R^(2)和EV显著低于健康组,验证了模型在健康样本上的高准确性,同时表明受试者心律失常的发生率越高,预测结果与实际年龄的差异越大。对于不同严重程度的房颤患者,轻症组和重症组的MAE分别为11.61和12.55,显示了心脏年龄预测准确性与患者病情严重程度有显著相关性(P<0.001),表明预测的心脏年龄与真实年龄差值可作为衡量房颤严重程度的可靠指标。结论基于心电图和神经网络预测的心脏年龄可以作为评估不同心律失常心脏健康程度的指标。本心脏年龄预测模型仅需使用患者的心电图数据,可为临床提供一种更为便捷的房颤病情严重程度判别工具。
关键词
心房颤动
心脏年龄
深度学习
心电图
病情评估
Keywords
Atrial fibrillation
Cardiac age
Deep learning
Electrocardiogram
Disease progression assessment
分类号
R541.75 [医药卫生—心血管疾病]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于体表心电图的房颤自动识别算法综述
钟高艳
陆宏伟
谷雪莲
孙毅勇
《北京生物医学工程》
2018
3
下载PDF
职称材料
2
全数据库评估概率密度函数法利用R-R间期检测房颤精度
陆宏伟
钟高艳
龙芋帆
刘章财
《中国医学物理学杂志》
CSCD
2018
2
下载PDF
职称材料
3
心脏年龄的深度学习预测模型及其临床应用初探
钟高艳
刘森
邓新桃
李春普
霍洪业
杨翠微
《中华心律失常学杂志》
2024
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部