التعلم العميق لاكتشاف الجلطة القلبية على مستوى الطبيب المتخصص في القلب في الرسوم الكهربائية للقلب

السكتة القلبية هي السبب الرئيسي للوفاة على مستوى العالم. في هذا البحث، قمنا بتصميم نماذج شبكات عصبية مستوحاة من المجال للكشف عن السكتة القلبية. أولاً، درسنا مساهمة الأقطاب المختلفة. هذه التحليل المنهجي، وهو الأول من نوعه في الأدبيات العلمية، يشير إلى أن من بين 15 قطبًا كهربائيًا للقلب (ECG)، البيانات من الأقطاب v6 وvz وii هي حاسمة لتحديد السكتة القلبية بشكل صحيح. ثانياً، استخدمنا هذا الاكتشاف وقمنا بتكييف نموذج الشبكة العصبية ConvNetQuake--الذي تم تصميمه في البداية لاكتشاف الزلازل--لتحقيق أفضل النتائج في تصنيف السكتة القلبية، حيث حققنا دقة تصنيف تبلغ $99.43\%$ عند تقسيم البيانات حسب السجلات، ودقة تصنيف تبلغ $97.83\%$ عند تقسيم البيانات حسب المرضى. تمثل هاتان النتيجتان مستوى أداء طبيب القلب في الكشف عن السكتة القلبية بعد إدخال 10 ثوانٍ فقط من بيانات ECG الخام إلى نموذجنا. ثالثًا، أظهرنا أن شبكتنا العصبية متعددة القنوات لـ ECG تحقق أداءً على مستوى طبيب القلب دون الحاجة لأي نوع من استخراج الخصائص يدويًا أو معالجة البيانات مسبقًا.