《临床儿科杂志》发表论文赏析

儿童室性期前收缩计算机卷积神经网络模型的建立和评价

来源:临床儿科杂志2019年第2期北京时间:

作者:刘莉,黄玉娟,王健怡,等

单位:1.上海交通大学附属上海市儿童医院急诊科(上海 200062);2.上海交通大学附属上海市儿童医院 心内科(上海 200062);3.上海市交通大学密西根学院(上海 200040)

摘要:目的 运用计算机深度学习的方法,初步建立3个儿童室性期前收缩的卷积神经网络模型,比较并评价其对 儿童室性期前收缩的诊断价值。 方法 采集1 200例儿童室性期前收缩的体表心电图作为室性早博组,并以同期性别、年 龄匹配的1 200例正常儿童心电图作为正常对照组,男女比例3:2,平均年龄均为(6.5±0.5)岁。剔除个别不适于模型训 练的心电图,在两组中随机抽取800例样本,运用计算机深度学习的方法,训练建立3种自动诊断儿童室性期前收缩的计 算机卷积神经网络模型。另外在室性期前收缩组及对照组剩余的样本中各抽取200例,以心电图专家小组的诊断作为“金 标准”,利用统计学方法,评价模型的可靠性和真实性。结果 利用心电图波形图像建立二维卷积神经网络模型和V3模 型,利用心电图时间序列数据建立一维卷积神经网络模型。其中二维卷积神经网络模型的灵敏度65%、特异度71.5%、 漏诊率35%、误诊率28.5%、阳性预测值69.5%、阴性预测值67.1%、准确率68.2%、Kappa值0.365;V3模型的灵敏度 82%、特异度85%、漏诊率18%、误诊率15%、阳性预测值84.5%、阴性预测值82.5%、准确率83.5%、Kappa值0.670; 一维卷积神经网络模型的灵敏度87.5%、特异度89.5%、漏诊率12.5%、误诊率10.5%、阳性预测值89.3%、阴性预测值 87.7%、准确率88.5%、Kappa值0.770。结论 运用计算机深度学习方法建立的V3模型与一维卷积神经网络模型性能良 好,其中一维卷积神经网络模型真实性和可靠性最佳,与专家小组的诊断高度一致。

关键词: 室性期前收缩; 深度学习; 卷积神经网络模型; 儿童,

2019年2期其他文献查阅:

鼻咽抽吸物MP-DNA拷贝数与肺炎支原体肺炎临床表现的关系

316例重症肺炎患儿细菌病原及耐药性分析

肺部超声诊断新生儿气胸1例报告

线粒体MT-TE基因突变致可逆性婴幼儿呼吸链缺乏症1例并文献复习

屏幕暴露对0~3岁婴幼儿语言发育的影响

儿童室性期前收缩计算机卷积神经网络模型的建立和评价

PTX3及NT-proBNP在小儿川崎病冠脉损害中的意义

儿童Erdheim-Chester病2例报告并文献复习

血友病乙患儿一家系基因突变分析

54例儿童铜绿假单胞菌血流感染临床特点及耐药分析

原发性脾脏新型隐球菌感染1例报告

青春期女孩以癫痫持续状态、高热首发桥本脑病1例报告

LMNA基因新生突变相关肢带型肌营养不良1B型1例报告并文献复习

致命性婴儿型肥大型肌原纤维肌病2例报告并文献复习

先天性糖基化障碍1例临床和基因分析

合并肾囊性病变儿童1型Dent病1例报告

原发性纤毛不动综合征临床管理的研究进展

特应性皮炎相关细胞因子的研究进展

重型β地中海贫血的治疗进展

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!