uPVC-Net：一种通用早搏心动电图 (ECG) 预mature 心室收缩检测深度学习算法
机器学习
2026-01-27 v2 人工智能
信号处理
摘要
引言：早搏心室收缩 (PVC) 是常见的心脏 arrhythmia，来源于心室。由于电生理图 (ECG) 波形因导联放置、录制条件和人口统计学差异而产生变异性，准确检测仍具挑战性。方法：我们开发了 uPVC-Net，一种从任意单导联 ECG 记录中检测 PVC 的通用深度学习模型。该模型基于由 Holter 监护仪和现代可穿戴 ECG 贴片收集的总计 830 万次心跳的四个独立 ECG 数据集上开发。uPVC-Net 采用自定义体系结构和多来源、多导联训练策略。对于每个实验，保留一个数据集以评估其在不同分布 (OOD) 下的泛化性。结果：uPVC-Net 在保留下的数据集上实现了 97.8%至 99.1% 的 AUC。值得注意的是，在可穿戴单导联 ECG 数据上的性能达到了 99.1% 的 AUC。结论：uPVC-Net 在不同导联配置和人口统计学差异方面表现出强大的泛化能力，凸显其在实际临床部署中的潜力。
引用
@article{arxiv.2506.11238,
title = {uPVC-Net: A Universal Premature Ventricular Contraction Detection Deep Learning Algorithm},
author = {Hagai Hamami and Yosef Solewicz and Daniel Zur and Yonatan Kleerekoper and Joachim A. Behar},
journal= {arXiv preprint arXiv:2506.11238},
year = {2026}
}
备注
8 pages