转自：安康报华中科技大学同济医学院从属同济病院血汗管外科杨晓云、朱红玲团队研讨开发了一种基于深度神经网络学习的心电图智能诊断模子，不只进步了对于心脏肥大/扩展的诊断效能，并且为检测战略从被动转向自动提供了强无力的对象。近日，此项研讨结果在国际期刊《新英格兰医学人工智能》上颁发。  心脏肥大/扩展的晚期诊断对于于预防心力弱竭、心律掉常及猝死至关首要。传统的诊断法子，如超声心动图跟心脏磁共振成像因本钱高跟设备限度，难以作为普筛对象。因而，火急须要将以后被动检测战略改变为自动踊跃检测战略，经由过程惯例反省跟一样平常安康监测，进步对于心脏肥大/扩展及其相干疾病（如高血压跟瓣膜性心脏病）的检测率。  研讨团队经由过程对于93824名患者的112685份心电图大数据进行深度神经网络学习，开发了心电图-CorNet模子。该模子经由过程提取与心脏疾病相干的波形特性揭示所暗藏的心脏病理信息，模子诊断的均匀精确率到达85.1%。这一翻新不只进步了诊断心脏肥大/扩展的精确性，并且为进行晚期干涉进而减少心力弱竭跟猝死产生提供了根据。  研讨团队比拟了该模子与6名心电图大夫的诊断成就，并采纳另一家病院跟公共数据集的内部数据来评价其泛化才能。成果显示，模子诊断程度均高于大夫程度，均匀敏理性进步至大夫程度的两倍。这是海内外初次在超声心动图婚配的心电图根底上采纳人工智能算法检测心脏肥大/扩展的研讨。  别的，该研讨还引入了一种聚合归因分数的新法子，讨论心电图导联的首要性。研讨发觉只要4个导联就可精确地诊断心脏肥大/扩展，诊断成果与已树立的诊断尺度相符。该项研讨成果无望代替传统的12导联心电图，朝着设计便携式心电设施、简化导联进行高效心电图诊断迈出了一步。