基于双通道混合神经网络的房颤风险预测模型

来源：计算机工程杂志2023年第11期北京时间：

作者：柯博文, 杨湘, 陈艳红

单位：1. 武汉科技大学 计算机科学与技术学院, 武汉 4300652. 国家新闻出版署富媒体数字出版内容组织与知识服务重点实验室, 北京 1000383. 武汉亚洲心脏病医院 心血管内科, 武汉 430022

摘要：心房颤动是一种具有隐秘性的心血管疾病，发病时具有较高的致命性，因此，对其进行预判和早筛尤为重要。电子健康病历(EHR)作为常规的检查结果记录方式，相较于心电图(ECG)数据，能使房颤的预测和筛查更具普遍性。现有的基于EHR的房颤风险预测方法缺乏对房颤重要指标的关注，同时传统的基于卷积的模型无法提取到医疗诊断之间的依赖关系。提出一种双通道混合神经网络学习模型FR-ANN。该模型分两个通道进行特征提取，一个通道利用注意力机制Attention提取医疗事件之间的潜在关系，另一个通道对房颤的部分重要指标进行特征提取，这些与房颤相关的重要指标在医生的协助下筛选得到。实验结果表明，所提模型在武汉亚洲心脏病医院的私有数据集上的AUC值为80.1%，F1值为68.1%，在MIT的公共数据集MIMIC-Ⅲ上的AUC值为71.4%，F1值为62.8%，相比基于EHR数据的疾病风险预测模型在房颤风险预测任务上的表现更好。此外，注意力机制的引入提供了事后可解释性，具有临床意义。

关键词：心房颤动,疾病分类,电子健康病历,注意力机制,神经网络

基金资助：国家自然科学基金(U1836118); 武汉市重点研发计划(2022012202015070); 武汉市知识创新专项曙光计划项目(2023010201020409)