深圳商報2019年7月22日訊 （記者袁斯茹文/圖）根據世界衛生組織（WHO）統計，每年全球約1800萬(wàn)人死于心腦血管疾病，占死亡總數的31%，其中絕大多數的急性心血管事件發(fā)生在醫院外。因此，心血管事件的醫院外預警十分關(guān)鍵。近日，深圳先進(jìn)院數字所李燁研究員團隊，提出了一種基于時(shí)空特征融合的深度神經(jīng)網(wǎng)絡(luò )。團隊成員王如心、姚啟航在接受深圳商報記者采訪(fǎng)時(shí)表示，不同于傳統方法，使用這種算法，除了考慮心電信號的時(shí)間特征，還加入了不同導聯(lián)的空間信息，“也就是除心臟活動(dòng)外，同時(shí)結合身體其他部位的信號，使得分析結果更全面?！蓖跞缧恼f(shuō)。
為什么需要可穿戴心電
通過(guò)可穿戴心電信號的自動(dòng)監測來(lái)分析心律失常，是近年來(lái)研究的熱點(diǎn)方向。
據悉，普通心電圖檢查只能記錄當前一段短時(shí)間內的心電活動(dòng)，“心臟異常情況的發(fā)生，特別是急性事件，往往是陣發(fā)性的、一過(guò)性的、偶發(fā)性的。針對術(shù)后以及心血管疾病高危人群，通過(guò)可穿戴設備進(jìn)行全程連續24小時(shí)甚至更長(cháng)時(shí)間的監測，有助于分析信號的節律變化，捕獲到心臟的陣發(fā)、異常狀況并作出及時(shí)的預警?！蓖跞缧母嬖V記者。因此，通過(guò)可穿戴心電信號的自動(dòng)監測分析，對急性心血管事件的早期預防和診斷具有重要意義。
傳統分析方法在處理可穿戴信號時(shí)，通常以特征點(diǎn)檢測為基礎進(jìn)行分析，其缺點(diǎn)是易受噪聲和人體行為的干擾，分析精度低。
李燁團隊此次提出的基于時(shí)空特征融合的深度網(wǎng)絡(luò )架構，有效提取了信號的空間和時(shí)間特征。該算法可集成在可穿戴設備芯片中，通過(guò)智能分析，采集到多導聯(lián)心電信號。
關(guān)聯(lián)“時(shí)空”的算法
王如心告訴記者，傳統方法是從時(shí)間維度分析心電信號，比如能得到從這一秒到下一秒的心率變化，以及一些節律特征。而此次團隊提出的算法，創(chuàng )新點(diǎn)在于加入了多導聯(lián)心電信號的空間相關(guān)性，通過(guò)人工智能方法直接分析處理信號?！靶碾娦盘柕淖兓?，不止反映在信號的時(shí)間維度上，其他體表位置采集到相關(guān)導聯(lián)的信號，彼此在空間上的變化都是互相關(guān)聯(lián)的。我們把空間信息補充在時(shí)間維度上，實(shí)現互補，得到的檢測結果也更準確?！蓖跞缧母嬖V記者。
此外，研究人員進(jìn)一步在網(wǎng)絡(luò )架構中引入注意力機制，對分段信號的重要性進(jìn)行自適應評估，有效提高了模型對異常狀態(tài)的感知，降低了其他信息的干擾。上述方法實(shí)現了以房顫、傳導阻滯、早搏等為代表的9類(lèi)心律失常疾病的有效判別，在2018中國生理信號挑戰賽公開(kāi)的9831條心電信號上（約609522個(gè)心搏），心律失常識別精度達到82.6%。
這套算法未來(lái)可以面向醫療級可穿戴設備，在云端就可以將收集的用戶(hù)心電數據進(jìn)行處理分析，實(shí)時(shí)反饋異常，并以此為基礎給出診斷報告；方便進(jìn)行院外心臟類(lèi)疾病的篩查，以及醫生對患者術(shù)后康復效果評估、用藥效果評估及隨訪(fǎng)等。
據悉，這項成果發(fā)表在計算機人工智能頂級期刊Information Fusion上，該期刊是計算機科學(xué)人工智能領(lǐng)域影響力最高的三個(gè)研究性期刊之一。而論文的第一作者姚啟航目前還是一名本科生。