一种新的人工智能神经网络方式能100%准确地从一次心跳中检测出心力衰竭

一项新的研究报告称，研究人员已经开发出一种神经网络方式，通过剖析一次原始心电图（ECG）心跳，可以100%准确地识别充血性心力衰竭。

充血性心力衰竭（CHF）是一种影响心肌泵动力的慢性举行性疾病。与高患病率、高死亡率和连续的医疗成本相关，临床从业者和卫生系统迫切需要有用的检测历程。

行使卷积神经网络（CNN）来解决这些主要的问题——条理神经网络在识别数据中的模式和结构方面异常有用。

神经网络的结构是这样的：

卷积神经网络依旧是层级网络，只是层的功效和形式做了转变，可以说是传统神经网络的一个改善。好比下图中就多了许多传统神经网络没有的条理。

 研究成果揭晓在生物医学信号处置与控制杂志上，极大地改善了现有的CHF检测方式，这些方式通常侧重于心率变异性，虽然有用，但耗时且容易失足。相反，他们的新模子使用先进的信号处置和机械学习工具对原始心电信号举行组合，提供100%的准确性。

在大量公然的心电图数据集上训练和测试了CNN模子，这些数据集包罗CHF患者及康健的、非心律失常的心脏。模子提供了100%的准确性：通过检测一次心跳，可以检测出一个人是否有心力衰竭。模子也是已知的第一个能够识别与病情严重水平相关的心电图形态学特征的模子。

泉源：

Familoni IF, Familoni OB.Determinants and perception of cardiovascular risk 

factors among secondary school teachers in Oyo state Nigeria[J].Afr J Med Med Sci,

2011,40(4): 339-343.

《血管与腔内血管外科杂志》

2019.09.11