迁移学习方法在精准识别室性异位QRS波群中的应用

目的探索迁移学习方法在精准识别室性异位QRS波群中的应用。方法回顾性提取2007年3月至2019年9月在宁波大学附属第一医院心律失常诊疗中心行射频导管消融术的545例特发性室性心律失常(VAs)患者,构成研究数据库(Ningbo DB)。采用小波散射网络特征提取算法从Ningbo DB中获取模型输入特征,使用美国麻省理工学院心律失常研究数据库(MIT-BIH DB)对深度学习模型进行训练,利用Ningbo DB验证该深度学习模型作为迁移学习方法。采用ROC曲线相关指标AUC、灵敏度、特异度、F1评分和准确度评估深度学习模型预测的效能。结果共提取心电图片段19695段,其中室性心律下QRS波群片段11988段(60.87%)、室性心律片段7471段(37.93%)、室上性期前收缩伴差异性传导片段236段(1.20%)。利用MIT-BIH DB建立深度学习模型,识别室性心律QRS波群的AUC、灵敏度、特异度、F1评分和准确度分别为0.997、0.996、1.000、0.997、0.996。采用Ningbo DB验证该模型识别室性心律QRS波群的AUC、灵敏度、特异度、F1评分和准确度分别为0.996、0.993、0.998、0.995、0.997。结论小波散射网络特征提取算法与残差网络深度学习模型结合的迁移学习方法能识别室性异位QRS波群。

窄QRS波群室性期前收缩消融1例

窄QRS波群室性期前收缩或室性心动过速(PVCs/VT)的起源常邻近希浦系统,射频导管消融有损伤希浦系统并导致三度房室传导阻滞的可能,故标测与消融时应特别小心。本文介绍1例消融成功的窄QRS波群PVCs病例的治疗过程。