外媒 | 深度学习技术将心电图解读成语言，有望改善诊断效果-普瑞纯证
美国西奈山医学中心的研究人员近日在npj Digital Medicine杂志上发表了一篇研究论文，介绍了一种基于深度学习技术的心电图(ECG)分析模型，名为HeartBEiT。该模型可将心电图解读成语言，从而改善心脏疾病的诊断效果。研究人员指出，HeartBEiT特别适用于诊断数据有限的心脏疾病。
心电图在美国被认为是一种低成本、非侵入性的检测手段，可广泛应用于评估患者的心脏健康状况。但是，由于临床医生和其他卫生专业人员无法用肉眼一致地识别ECG上的疾病模式，尤其是对于那些具有微妙或混乱模式或那些没有确定诊断标准的疾病，因此ECG的实用性受到了限制。
为了解决这个问题，研究人员一直在探索如何应用人工智能(AI)方法。他们指出，很多工作都集中在使用卷积神经网络(CNN)来通过筛查大量的ECG数据寻找模式。然而，ECG分析的CNN需要大量的训练数据集，而这些数据集通常并不可用。相反，变换器模型可以通过利用注意机制来定义和强调输入数据单元之间的关系来解决这个问题。这些输入数据可以是图像或文本的一部分，在该研究中，输入数据是来自西奈山医学中心网络内四家医院过去四十年收集的210万名患者的850万份ECG。该模型创建了这些ECG的小部分的离散表示，并将其转换为语言。研究人员指出，这些表示可以被概念化为单个单词和一个完整的ECG文档。
研究人员使用这些数据对HeartBEiT进行了预训练，然后在三个心脏诊断领域(肥厚型心肌病、左心室射血分数降低和ST段抬高型心肌梗死)中评估了其性能，与三个CNN架构进行了比较。总体而言，HeartBEiT明显优于其他模型，即使使用比CNN更小的样本量，也能提高诊断的可解释性。
“我们的模型始终优于卷积神经网络，”该研究的第一作者Akhil Vaid医生解释道。HeartBEiT可为医疗行业提供新的解决方案，有望改善心脏疾病的诊断效果。
版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。
