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法,通过仅分析一个原始心电图(ECG)心跳,可以准确地识别充血性心力衰竭,准确度达到100%。
充血性心力衰竭(CHF)是一种慢性进行性疾病,会影响心肌的抽吸能力。与高流行率,显着的死亡率和持续的医疗保健成本相关联,临床从业者和卫生系统迫切需要有效的检测过程。
萨里大学组织神经科学副教授Sebastiano Massaro博士与华威大学的同事Mihaela Porumb和Leandro Pecchia博士以及佛罗伦萨大学的Ernesto Iadanza合作,通过使用卷积神经来解决这些重要问题。网络(CNN) - 分层神经网络,在识别数据中的模式和结构方面非常有效。
他们的研究发表在生物医学信号处理和控制期刊上,大大改善了现有的CHF检测方法,这些检测方法通常侧重于心率变异性,虽然有效,但是很费时,容易出错。相反,他们的新型号在原始ECG信号上结合使用先进的信号处理和机器学习工具,提供100%的准确度。
Massaro博士说:“我们在大型公共心电图数据集上训练和测试了CNN模型,该数据集包括患有CHF的受试者以及健康,非心律失常的心脏。我们的模型提供100%的准确度:通过检查一次心跳,我们能够检测是否我们的模型也是第一个能够识别心电图特征与病情严重程度相关的形态学特征的模型之一。“
Pecchia博士,在欧洲联盟医学和生物工程总裁,解释了这些发现的意义:“在世界各地受到的形式,大约26万人心脏衰竭,我们的研究提出了对现行方法的一个重大进步启用的临床实践者。获得准确的CHF检测工具可以产生重大的社会影响,患者可以从早期和更有效的诊断中受益,并缓解NHS资源的压力。”#清风计划# #健康真探社#