كشف وتصنيف اضطرابات نظم القلب باستخدام نموذج شبكة عصبية عميقة بحصيلة أفضل في التحدي

تُستخدم التخطيطات الكهربية للقلب (ECGs) على نطاق واسع في الكشف السريري عن اضطرابات النبض القلبي (CAs). كما تُستخدَم هذه التخطيطات في تطوير أساليب مساعدة حاسوبية لتشخيص أمراض القلب. قمنا بتطوير نموذج شبكة عصبية متدرجة (CNN) للكشف عن اضطرابات النبض القلبي وتصنيفها، باستخدام مجموعة بيانات كبيرة مكوّنة من 12 قطبًا (6,877 تسجيلًا) التي قدّمتها مسابقة الإشارة الفسيولوجية الصينية (CPSC) 2018. وقد حصل نموذجنا، الذي احتل المرتبة الأولى في مسابقة CPSC، على متوسط درجة F1 إجمالية قدرها 0.84 في تصنيف اضطرابات النبض القلبي من نوعين مختلفين (9 أنواع) باستخدام مجموعة الاختبار المخفية لـ CPSC2018 المكوّنة من 2,954 تسجيلًا. كما أظهر التحليل المعمق أن اضطرابات النبض القلبي المتزامنة كانت كافية التنبؤ بها لصالح 476 مريضًا يعانون من أكثر من نوع واحد من تشخيصات اضطرابات النبض القلبي ضمن البيانات. كما أظهرت النتائج أن استخدام بيانات قطب واحد فقط أدى إلى أداء يختلف قليلاً عن استخدام البيانات الكاملة المكونة من 12 قطبًا، مع تفوّق الأقطاب aVR وV1 بشكل بارز. وقد قمنا بتحليل هذه النتائج بشكل مكثف في سياق توافقها مع الملاحظات السريرية وأهميتها في السياق السريري.