Artificiell intelligens-aktiverad EKG-detektion av medfödd hjärtsjukdom hos barn: ett nytt diagnostiskt verktyg (AI-ECG-CHD)

Medfödd hjärtsjukdom (CHD) är den vanligaste medfödda sjukdomen hos barn. Tidig upptäckt, diagnos och behandling av CHD hos barn är av stor betydelse för att förbättra prognosen och minska dödligheten hos barn, men de nuvarande screeningmetoderna har begränsningar. Elektrokardiogram (EKG), som ett ekonomiskt och snabbt sätt att upptäcka hjärtsjukdomar, har ett mycket viktigt värde i hjälpdiagnosen av CHD. Stora data och djupinlärningsteknologier inom artificiell intelligens (AI) har visat stor potential inom det medicinska området. Tillkomsten av big data-eran ger rika dataresurser för en djupgående studie av CHD EKG-signaler hos barn. Utvecklingen av djupinlärningsteknologi, särskilt genombrottet inom bildigenkänning, ger ett starkt tekniskt stöd för intelligent analys av elektrokardiogram. Det speciella med elektrokardiogram för barn kräver utveckling av en speciell algoritmmodell. För närvarande är forskningen om tillämpningen av modeller för djupinlärning för att identifiera barns elektrokardiogram begränsad, och utbildning och verifiering från stora datamängder saknas. Baserat på Chinese Congenital Heart Disease Collaborative Research Network, syftar detta projekt till att integrera data och djupinlärningsteknologi för att utveckla en uppsättning intelligenta elektrokardiogramassisterade diagnossystem (CHD-ECG AI-system) lämpliga för barn med CHD, för att förbättra den tidiga detekteringshastigheten för CHD och förbättra effektiviteten av screening av medfödd hjärtsjukdom.