基于人工智能与频谱分析方法针对 ARVC 的数字化 ECG 信号分析

致心律失常性右室心肌病（ARVC）是一种遗传性心肌疾病，出现在患者生命的第二个至第四个十年之间，是导致 35 岁以下人群 20% 心源性猝死的原因。基于心电图（ECG）对该疾病进行有效且及时的诊断，对于降低过早心血管死亡率可能具有至关重要的作用。在我们的分析中，我们首先概述了纸质 ECG 信号的数字化过程，并通过空间滤波器进行增强，旨在消除数据集中图像里不对应于 ECG 波形、产生不必要噪声的暗区。接下来，我们提出利用一个低复杂度卷积神经网络来检测一种心律失常性心脏病，该疾病此前尚未通过深度学习方法进行研究，我们在该疾病上取得了高分类准确率，即 99.98% 的训练准确率和 98.6% 的测试准确率，而该疾病的主要识别标准是 ECG 形态中极微小的毫伏级变化，这与其他心律失常异常不同。最后，通过进行频谱分析，我们研究了正常 ECG 与 ARVC 患者对应 ECG 在频率域中的显著差异。在我们发现具有统计学显著差异的 18 个频率中，有 16 个频率上正常 ECG 的特征是相较于异常 ECG 具有更大的归一化幅度。本文所进行的整体研究强调了将数学方法整合到各种疾病的检查与有效诊断中的重要性，旨在为其成功治疗做出实质性贡献。