IKrNet：用于检测电囊中特定药物诱导模式的神经网络
计算机视觉与模式识别
2025-05-13 v1 人工智能
摘要
监控和分析电囊（ECG）信号，即使在受物理活动、药物和压力等生理条件影响的情况下，也是准确评估心脏健康的关键。然而，现有的 AI 方法往往未能充分考虑这些因素如何相互作用并改变 ECG 模式，从而限制了其在实际场景中的应用。本研究引入了 IKrNet，一种新型神经网络模型，用于在特定生理条件下识别药物特异性 ECG 模式。IKrNet 的架构通过采用可变感受野大小的卷积主干网络来捕捉空间特征，同时引入双向长短期记忆模块来建模时序依赖关系。将心率变异性作为生理波动的代理指标，我们在包括物理压力、药物单独服用以及无药物存在的基线等多种情景下评估了 IKrNet 的性能。该评估遵循临床方案，对 990 名健康志愿者施用 80mg Sotalol，这是一种可导致致命性心律失常 Torsades-de-Pointes 的药物。我们展示了 IKrNet 在不同生理条件下的准确率和稳定性均优于现有 SOTA 模型，凸显了其临床可行性。
引用
@article{arxiv.2505.07533,
title = {IKrNet: A Neural Network for Detecting Specific Drug-Induced Patterns in Electrocardiograms Amidst Physiological Variability},
author = {Ahmad Fall and Federica Granese and Alex Lence and Dominique Fourer and Blaise Hanczar and Joe-Elie Salem and Jean-Daniel Zucker and Edi Prifti},
journal= {arXiv preprint arXiv:2505.07533},
year = {2025}
}