基于深度学习的 cardiologist 级心电图心肌梗死检测

心肌梗死是全球范围内导致死亡的首要原因。本文中，我们设计了受领域启发的神经网络模型来检测心肌梗死。首先，我们研究了各导联的贡献。这一文献中首创的系统性分析表明，在 15 个 ECG 导联中，来自 v6、vz 和 ii 导联的数据对于正确识别心肌梗死至关重要。其次，我们利用这一发现并调整 ConvNetQuake 神经网络模型——该模型最初用于识别地震——以在心肌梗死分类上取得最先进的分类结果，在按记录划分的数据集上达到 $99.43\%$ 的分类准确率，在按患者划分的数据集上达到 $97.83\%$ 的分类准确率。这两个结果代表了在仅将 10 秒原始 ECG 数据输入我们的模型后，心肌梗死检测的 cardiologist 级性能水平。第三，我们展示了我们的多 ECG 通道神经网络无需任何手动特征提取或数据预处理即可达到 cardiologist 级性能。