多模态对齐网络

超越医生水平

将自动提取的心电特征与人类概念特征整合，检测性能超越医生专家。

Chen, Jintai · Huang, Shuai · 张莹 · 常青 · Zhang, Yixiao · Li, Dantong · Qiu, Jia · Hu, Lianting · Peng, Xiaoting · 杜云梅 · 高云飞 · Chen, Danny Z. · Bellou, Abdelouahab · 吴健 · 梁会营

Nature Communications 2024

参数信息

ROC-AUC

0.915

特异性

0.881

ROC-AUC

0.917

特异性

0.937

ROC-AUC

0.907

特异性

0.907

技术优势

超越医生水平

在与心脏病专家的比较中，模型检测性能更优，可辅助或替代专家进行初步诊断。

低成本无创筛查

仅使用儿童心电图信号，无需昂贵设备或侵入性操作，适合大规模人群筛查。

自动提取特征

深度学习自动从心电图和小波变换中提取特征，无需手工设计，特征重要性分析显示自动提取特征对检测影响更大。

泛化性能强

在两个独立外部测试集（共15,258例）上仍保持高AUC和特异性，表明模型在不同人群和数据分布下稳健。

应用场景

• 可穿戴心电监测：模型可嵌入便携式心电设备，实现先心病实时筛查预警，无需专业医生介入。
• 儿童健康筛查：低成本无创检测适用于大规模儿童体检，提高先心病早期检出率，改善治疗预后。
• 医疗信号处理：集成小波变换与深度学习，自动提取心电特征，为复杂生理信号分析提供新方法。