科技频道 2025年4月26日讯(记者 李明)随着人工智能技术在医疗领域的深入应用,智能诊断正逐渐成为提升医疗服务效率的重要手段。记者近日获悉,福建江夏学院"心域先驱团队"在第九届"互联网+"大学生创新创业大赛中提交了一项名为"基于深度学习的心电信号质量评估与分类模型构建研究"的创新项目,通过深度学习技术实现了心电信号的精准分析,有望为心血管疾病的早期筛查和诊断带来革命性变化。
据了解,心血管疾病(CVD)已成为全球公共卫生领域的严峻挑战,在我国,CVD患者规模庞大,发病率高居各类疾病榜首。心电信号作为诊断心血管疾病的重要无创检测依据,其质量评估与准确识别对疾病的早期诊断至关重要。
"传统心电诊断主要依赖人工判读,不仅耗时较长,还易受医师经验影响,特别是在基层医疗资源匮乏的地区,专业心电诊断医师严重不足。"该项目负责人汤孟凯介绍道,"我们的项目聚焦这一临床痛点,通过深度学习技术实现心电信号的自动化分类与分析,可在短时间内完成大批量心电数据处理,准确率达到97.2%。"
创新模型实现高精度分类
该团队由福建江夏学院电子信息工程专业的汤孟凯、马佳亿、陈韵怡、林翔、陈建宇、翁荣焜六名学生组成,在陈冬英、张禹两位老师的指导下,历时近一年完成了模型的构建与验证。
项目采用了名为"MMECG-Net"的多模态心电分类模型,其核心架构由三个关键模块组成:多尺度卷积神经网络架构、时序记忆增强模块和自适应分类模型。通过这种融合方式,模型能够同时捕获心电信号在不同时间尺度下的全局与局部特征,处理心电信号的强时序依赖性,并有效解决类别不平衡问题。
测试结果显示,该模型在准确率、召回率和F1-Score等多项指标上均优于同类产品。特别是在F1-Score指标上达到了96.6%,比ResNet-50模型提高了4.6%,比LSTM模型提高了2.6%。
项目前景广阔
该项目针对我国心血管疾病患者规模庞大、基层诊断能力不足的现状,提供了一种高效、精准且成本较低的解决方案。项目组成员陈韵怡表示:"我们的技术可以显著降低基层医疗机构对专业心电诊断医师的依赖,使偏远地区的基层医生也能借助该模型快速获取高精度的诊断参考,有效缓解我国医疗资源分布不均的问题。"
据项目组估计,若该模型能将心血管疾病误诊率降低5个百分点,每年可节约数十亿元的医疗资源。此外,结合便携式心电设备,该技术还可助力高血压、冠心病等高危人群的筛查,促进医疗模式从"治疗为主"向"预防为主"转变。
据悉,该项目团队已取得两篇相关学术论文、一项发明专利申请和一个软件著作权。项目计划通过产学研合作进一步优化技术,并申报NMPA三类证,争取在三年内覆盖全国20%的二级以上医院。
据福建江夏学院科技处负责人介绍,学校高度重视大学生创新创业能力培养,不断完善创新创业教育体系,为学生提供良好的科研平台和资源支持。该项目的成功研发,既是学校创新创业教育成果的体现,也将为推动人工智能技术在医疗健康领域的应用做出积极贡献。
(完)
