新的AI神经网络方法检测到具有100％精度的单个心跳的心力衰竭

一项新的研究报道，研究人员已经开发了一种神经网络方法，该方法可以通过仅分析一种原始心电图（ECG）心跳来准确地鉴定出充血性心力衰竭。

充血性心力衰竭（CHF）是一种慢性渐进状态，影响心脏肌肉的抽水能力。与高患病率，大量死亡率和持续医疗保健成本相关，临床从业人员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博士曾与沃里克大学和佛罗伦萨大学Ernesto Iadanza的Leandro Pecchia博士合作，通过卷积Neural Neural neural Neural Neural Neural Neural Neural Alleartal Neural Alleartal Neural Neural Neural Alleartal Neural Neural Alleartal Alleartal的关注来解决网络（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。

发表在生物医学信号处理和控制期刊，他们的研究大大改善了现有的CHF检测方法，通常集中在心率变异性上，尽管有效，但虽然既耗时又容易出错。相反，他们的新模型在RAW ECG信号上使用高级信号处理和机器学习工具的组合，可提供100％的精度。

Massaro博士说：“我们在大型公开的ECG数据集上培训并测试了CNN模型，其中包含CHF和健康的非心律失常心脏。我们的模型提供了100％的准确性：通过检查一个心跳，我们是否能够检测到我们是否能够检测到。或者不是一个人的心力衰竭。我们的模型也是最早能够识别ECG的形态特征与疾病严重程度相关的形态特征的模型之一。”

欧洲医学与生物工程联盟主席Pecchia博士解释了这些发现的含义：“全球约有2600万人受到一种形式的影响心失败，我们的研究提出了当前方法的重大进步。使临床实践者能够获得准确的CHF检测工具可以产生重大的社会影响，因为患者受益于早期，更有效的诊断，并缓解NHS资源的压力。”

---

---