从纸质心电图中识别房颤的人工智能算法研究

目的探讨使用深度学习方法直接对纸质心电图进行处理的可行性,并提出一种能从纸质心电图中快速准确地识别房颤的方法。方法从CPSC 2018挑战赛数据中选取1040例房颤患者和1344例非房颤患者的12导联心电信号,并将其绘制成心电图。将这些心电图打印在纸上,并重新扫描成图像,再通过一系列预处理得到带白色背景的纸质心电图。利用这些纸质心电图构建房颤识别数据集,并以挑战赛提供的真实标签为金标准,对人工智能算法进行训练、验证和测试。结果基于纸质心电图建立的人工智能算法的敏感性、特异性、F1得分分别为0.957、0.978、0.969,受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)下面积为0.994。基于Grad-CAM的特征可视化结果表明,算法判断房颤的依据主要是纸质心电图中的P波位置及房颤发作过程中的F波位置,这与临床上房颤的心电图诊断标准是一致的。结论基于纸质心电图的房颤识别算法性能较好。可视化结果表明,通过人工智能算法直接分析纸质心电图高效且可行,能为临床实践提供指导。

基于k-means的纸质心电图数字化信息提取研究

针对临床诊断中纸质心电图容易遭到不同程度的损坏,且不便于保存的问题,探讨了纸质心电图的数字化问题。采用均值法降噪,在Sobel算法中加入了45°和135°2个方向的模板,利用k-means方法进行了改进,从而得到更加精准的心电图的数字化提取图形。实际验证发现,心电图的数字化提取精度得到了有效提升,有望在医疗实际中推广应用。

陈旧心电图图文消褪问题的临床研究

目的探讨陈旧心电图图文信息的消褪及还原问题。方法通过对不同品牌的热敏型心电图记录纸图文信息保存时间、显色温度、图文还原温度、还原效果的比较测定,了解热敏型心电图记录纸的临床应用特点,评价消褪的心电图图文还原的效果。结果三组比较,A组30例的图文保存时间最长,其显色温度最高,图文还原温度也最高,而C组20例的图文保存时间最短,其显色温度最低,图文还原温度也最低,三组两两比较,均有显著性差异(P<0.05)。结论热敏型心电图记录纸陈旧心电图图文信息的消褪除与环境因素有关外,纸张质量的优劣同样起关键性作用。图文还原技术可使消褪的图文信息清晰还原再现,方法简便易行,值得推广应用。

基于Harris的纸质心电图波形提取方法

ECG是心电图机从体表记录心脏每一周期所产生的电活动变化图形。纸质心电图广泛应用于病案管理、取证等方面,针对临床诊断中纸质心电图不便于保存的问题,文章采用Harris角点检测算法与阈值法相结合,提取得到更加精准的纸质心电图的波形。

浅谈热敏打印机芯设计

目前,热敏打印机已在POS终端系统、银行系统、医疗仪器等领域得到广泛应用。主要对热敏打印机设计进行分析。阐述多热敏打印机设计参数,介绍其主要设计结构及特点。从而达到优化设计,满足生产实际需求。