神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)在心室流出道室性期前收縮定位診斷中的開發(fā)和應(yīng)用

李芳 羅玉寅 王萍 諸帆

心室流出道室性期前收縮是一種常見的心律失常[1]，正常人與各種心臟病患者均可發(fā)生。隨著射頻導(dǎo)管消融（下稱消融）的快速發(fā)展，一些藥物治療效果差且室性期前收縮數(shù)量較多的患者會(huì)選擇手術(shù)方式進(jìn)行治療。但消融術(shù)后效果與室性期前收縮部位的關(guān)系密切，因此對(duì)室性期前收縮的定位進(jìn)行分析并初步確定室性期前收縮的發(fā)生部位，有助于評(píng)估手術(shù)風(fēng)險(xiǎn)及術(shù)后療效[2]。在常規(guī)心電圖檢查中，室性期前收縮的定位過程較為復(fù)雜，且要求較高，分析時(shí)間較長。隨著計(jì)算機(jī)和人工智能等技術(shù)的發(fā)展，心電圖智能診斷技術(shù)應(yīng)運(yùn)而生，它能模擬人類邏輯思維和形象思維，對(duì)診斷對(duì)象的狀態(tài)進(jìn)行識(shí)別與預(yù)測(cè)[3-4]。本研究對(duì)神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)在心室流出道室性期前收縮定位診斷中的開發(fā)和應(yīng)用作一探討，以減少醫(yī)務(wù)人員的勞動(dòng)強(qiáng)度，提高室性期前收縮的快速定位分型。

1 對(duì)象和方法

1.1 對(duì)象 選取湖州市第一人民醫(yī)院2018 年1 月至2020 年12 月就診的4 398 例患者為研究對(duì)象，通過北京谷山豐心電網(wǎng)絡(luò)工作站采集到實(shí)時(shí)傳輸標(biāo)準(zhǔn)心室流出道室性期前收縮常規(guī)12 導(dǎo)聯(lián)心電圖數(shù)據(jù)4 398 份。其中男2 500 例，女1 898 例；年齡16～70（45±12）歲。模型訓(xùn)練完成后，選取本院2017年1 月至2021 年1 月經(jīng)消融證實(shí)為心室流出道室性期前收縮300 例進(jìn)行臨床應(yīng)用測(cè)試，排除肌電干擾、基線不穩(wěn)、交流電干擾、電極板脫落、肢體動(dòng)作、電話鈴響等造成的偽差。排除患有內(nèi)外科急重癥、其他心律失常、多形性室性期前收縮、多源性室性期前收縮的患者。本研究經(jīng)本院醫(yī)學(xué)倫理委員會(huì)審查通過，所有患者簽署知情同意書。

1.2 神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)的開發(fā)

1.2.1 室性期前收縮人工診斷規(guī)則分類[5]第一步：確定室性期前收縮的Ⅱ、Ⅲ、aVF、V5、V6呈單向R 波，為心室流出道室性期前收縮。第二步：胸導(dǎo)聯(lián)移行＞V3且移行指數(shù)＜0，為右心室流出道起源室性期前收縮；胸導(dǎo)聯(lián)移行＜V3且移行指數(shù)＞0，為左心室流出道起源室性期前收縮。第三步：左心室流出道起源室性期前收縮，如果V1～V6均呈單向R 波，室性期前收縮部位在左冠狀動(dòng)脈竇（下稱左冠竇）下，為主動(dòng)脈-二尖瓣結(jié)合部起源室性期前收縮；如果V1～V6并非均呈單向R 波，室性期前收縮部位在主動(dòng)脈瓣上。第四步：左心室流出道主動(dòng)脈瓣上室性期前收縮，如果Ⅰ呈r 或m 型且無s 波，為右冠狀動(dòng)脈竇（下稱右冠竇）起源室性期前收縮；如果不是，為左冠竇起源室性期前收縮。基于上述原則，本院3位副高及以上職稱醫(yī)師對(duì)4 398 份常規(guī)12 導(dǎo)聯(lián)心電圖數(shù)據(jù)進(jìn)行人工判讀，結(jié)果顯示右心室流出道起源室性期前收縮2 957 份，左冠竇起源室性期前收縮885 份，右冠竇起源室性期前收縮365 份，主動(dòng)脈-二尖瓣結(jié)合部起源室性期前收縮191 份。

1.2.2 室性期前收縮定位模型整體框架 提取心電圖數(shù)據(jù)并進(jìn)行濾波、陷波、數(shù)據(jù)標(biāo)準(zhǔn)化等預(yù)處理后，輸入深度學(xué)習(xí)室性期前收縮分類網(wǎng)絡(luò)，通過卷積網(wǎng)絡(luò)提煉深層心電特征；輸入1 為12 導(dǎo)聯(lián)的RR 間期標(biāo)準(zhǔn)差、最大RR 間期、最小RR 間期、平均RR 間期、R 波密度、相鄰NN 之差＞50 ms 的個(gè)數(shù)占整個(gè)竇性心搏個(gè)數(shù)的百分比（pNN50）、相鄰RR 間期差值的均方根（RMSSD）、RR 間期采樣熵、最大RR 間期與最小RR 間期的差值等10 個(gè)非特異性參數(shù)；輸入2 為P 波時(shí)間、PR 間期、QRS 時(shí)間、QT 間期、QT校正間期、P 波電軸、R 波電軸、T 波電軸、心房率、心室率、PP 間期、RR 間期等12 維心電設(shè)備本身輸出的全局參數(shù)；輸入3 為12 導(dǎo)聯(lián)QRS 時(shí)間振幅、R 波時(shí)間振幅、S 波時(shí)間振幅、R 波時(shí)間/QRS 時(shí)間、R 波振幅/S 波振幅等6 個(gè)室性期前收縮特征性參數(shù)。將室性期前收縮特征性參數(shù)和心電設(shè)備的全局參數(shù)進(jìn)行特征拼接融合后導(dǎo)入注意力網(wǎng)絡(luò)，完成深度學(xué)習(xí)室性期前收縮分類，實(shí)現(xiàn)心室流出道室性期前收縮定位的智能診斷。

1.2.3 深度學(xué)習(xí)室性期前收縮分類的核心結(jié)構(gòu) 處理心電波形數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)由卷積模塊并聯(lián)構(gòu)成，每個(gè)卷積模塊由2 個(gè)殘差網(wǎng)絡(luò)模塊和1 個(gè)膠囊網(wǎng)絡(luò)模塊串聯(lián)構(gòu)成[6-9]。為實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化的效果，卷積模塊前設(shè)置了批歸一化層；每個(gè)卷積模型設(shè)置不同的卷積尺度，用于捕獲各尺度下的卷積特征。通過深度學(xué)習(xí)室性期前收縮分類網(wǎng)絡(luò)提取卷積特征并導(dǎo)入多頭注意力層，同時(shí)將心電設(shè)備的全局參數(shù)輸入多頭注意力層，將兩個(gè)特征進(jìn)行特征拼接，隨后導(dǎo)入下一個(gè)多頭注意力層，完成卷積特征和傳統(tǒng)特征的特征融合，然后輸出預(yù)測(cè)結(jié)果[10-11]。

1.3 神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)的應(yīng)用 采用人工診斷（由2 位副高及以上職稱醫(yī)師共同完成）、神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)等兩種方式對(duì)300 例消融證實(shí)為心室流出道室性期前收縮數(shù)據(jù)進(jìn)行分析與比較。

1.4 統(tǒng)計(jì)學(xué)處理 采用SPSS 21.0 統(tǒng)計(jì)軟件。模型訓(xùn)練及驗(yàn)證結(jié)果以F1 值、靈敏度、特異度、陰性預(yù)測(cè)值和陽性預(yù)測(cè)值表示。計(jì)數(shù)資料組間比較采用χ2檢驗(yàn)。P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 模型訓(xùn)練及驗(yàn)證結(jié)果 4 398 份數(shù)據(jù)經(jīng)簡(jiǎn)單時(shí)序分割，其中80%用于模型訓(xùn)練，20%用于模型驗(yàn)證；結(jié)果顯示總的F1 值為0.809，多標(biāo)簽均值陰性預(yù)測(cè)值為0.780，多標(biāo)簽均值陽性預(yù)測(cè)值為0.820；標(biāo)簽閾值以最優(yōu)F1 值作為調(diào)整標(biāo)準(zhǔn)，整體更偏向于陰性預(yù)測(cè)值，可有效降低漏診率，見表1。

表1 模型訓(xùn)練及驗(yàn)證結(jié)果

2.2 神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)臨床應(yīng)用結(jié)果 神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)與人工診斷對(duì)心室流出道室性期前收縮定位診斷符合率比較，差異均無統(tǒng)計(jì)學(xué)意義（均P＞0.05），見表2。

表2 神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)與人工診斷對(duì)心室流出道室性期前收縮定位診斷符合率比較[例（%）]

3 討論

室性期前收縮可發(fā)生于各類心臟病患者，也可發(fā)生于正常人。其中冠心病、二尖瓣病變晚期、心肌病、心肌炎、甲狀腺功能亢進(jìn)性心臟病、二尖瓣脫垂、心力衰竭患者極易發(fā)生室性期前收縮[12]。消融是治療心室流出道室性期前收縮的主要手段，其成功率高低取決于起源位置的好壞以及有無合并器質(zhì)性心臟病。因此，術(shù)前對(duì)心室流出道室性期前收縮進(jìn)行精準(zhǔn)定位診斷，有助于評(píng)估手術(shù)風(fēng)險(xiǎn)及術(shù)后療效。

本研究利用本院采集到的4 398 份實(shí)時(shí)傳輸標(biāo)準(zhǔn)心室流出道室性期前收縮常規(guī)12 導(dǎo)聯(lián)心電圖數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)開發(fā)，以提高心室流出道室性期前收縮的定位診斷。本研究開發(fā)的神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)采用模型提煉的特征參數(shù)、心電設(shè)備本身輸出的全局參數(shù)與室性期前收縮特征性參數(shù)進(jìn)行拼接，以取得更豐富的心室流出道室性期前收縮心電特征，從而獲得更好的分類效果[13-15]。本研究結(jié)果顯示，所開發(fā)的神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)在心室流出道室性期前收縮定位診斷中，右心室流出道起源室性期前收縮、左冠竇起源室性期前收縮、右冠竇起源室性期前收縮、主動(dòng)脈-二尖瓣結(jié)合部起源室性期前收縮定位診斷的F1 值、靈敏度、特異度、陰性預(yù)測(cè)值和陽性預(yù)測(cè)值均較高。而人工診斷與神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)兩種方式在臨床應(yīng)用中的結(jié)果比較顯示，兩者對(duì)心室流出道室性期前收縮定位診斷符合率差異均無統(tǒng)計(jì)學(xué)意義，這也證實(shí)神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)在心室流出道室性期前收縮定位診斷中具有較高的應(yīng)用價(jià)值。

室性期前收縮定位分析費(fèi)時(shí)、費(fèi)力，且易誤判，一般心電圖室不出具室性期前收縮定位診斷結(jié)果。但是臨床醫(yī)生特別是電生理醫(yī)生非常需要室性期前收縮的定位診斷，從而確定患者的治療方案。本研究基于深度學(xué)習(xí)開發(fā)的神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)在心室流出道室性期前收縮定位診斷中具有重要應(yīng)用價(jià)值，有助于室性期前收縮的快速定位分型。由于本研究現(xiàn)有相關(guān)數(shù)據(jù)較少，因此仍需累積大樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，以提高神經(jīng)網(wǎng)絡(luò)智能診斷系統(tǒng)的效能。