深度学习用于心电图中心肌梗死的 cardiologist-level 检测 注：在正式的学术翻译中，“cardiologist-level”通常会翻译为“心脏病学专家水平”，以符合中文表达习惯。因此，更准确的翻译应为： 深度学习用于心电图中心肌梗死的心脏病学专家水平检测

心肌梗死是全球首要的死亡原因。在本文中，我们设计了领域启发的神经网络模型来检测心肌梗死。首先，我们研究了不同导联的贡献。这种系统性的分析在文献中尚属首次，结果表明，在15个心电图导联中，v6、vz和ii导联的数据对于正确识别心肌梗死至关重要。其次，我们利用这一发现，对原本用于识别地震的ConvNetQuake神经网络模型进行了改进，以实现心肌梗死分类的最先进结果，在记录分割上达到了99.43%的分类准确率，在患者分割上达到了97.83%的分类准确率。这两个结果表明，我们的模型仅需输入10秒原始心电图数据即可达到心脏病专家级别的检测性能。最后，我们展示了我们的多通道心电图神经网络无需任何手动特征提取或数据预处理即可达到心脏病专家级别的性能。