摘要
心电图（ECG）被广泛应用于临床以检测心律失常（Cardiac Arrhythmias, CAs）。同时，ECG也正被用于开发计算机辅助的心脏疾病诊断方法。我们基于2018年中国生理信号挑战赛（China Physiological Signal Challenge, CPSC 2018）提供的大规模12导联心电图数据集（共6,877个记录），构建了一个卷积神经网络模型，用于心律失常的检测与分类。该模型在挑战赛中排名第一，在CPSC 2018隐藏测试集（包含2,954个心电图记录）的九类心律失常分类任务中，取得了中位总体F1分数为0.84的优异表现。进一步分析表明，对于数据集中存在多种类型心律失常的476名患者，模型能够有效预测共存性心律失常。值得注意的是，仅使用单导联数据所获得的性能与使用完整12导联数据相比仅略有下降，其中aVR导联和V1导联的表现尤为突出。我们从临床观察的角度出发，对上述结果进行了深入分析，探讨其与实际临床认知的一致性与实际应用价值。