背景:低鉀血癥是常見的電解質(zhì)紊亂,對(duì)心衰等特殊人群構(gòu)成一定的威脅,快速識(shí)別低鉀血癥具有現(xiàn)實(shí)意義。生化檢測(cè)是診斷的金標(biāo)準(zhǔn),但需一定的硬件要求,結(jié)果回報(bào)常需半小時(shí)以上。心電圖易獲取,低鉀血癥有一些非特異性心電圖表現(xiàn),但人工分析心電圖識(shí)別低鉀血癥的準(zhǔn)確率低。目的:應(yīng)用人工智能識(shí)別心電圖,快速自動(dòng)識(shí)別低鉀血癥。方法:選取2017年9月至2019年5月在南昌大學(xué)第二附屬醫(yī)院所記錄到的血清鉀值和靜息臥位標(biāo)準(zhǔn)十二導(dǎo)聯(lián)心電圖(5秒同步6導(dǎo)記錄心電圖),其中心房顫動(dòng)(Atrial fibrillation,AF)、完全性左束支傳導(dǎo)阻滯(Complete left bundle branch block,CLBBB)、完全性右束支傳導(dǎo)阻滯(Complete right bundle branch block,CRBBB)和起搏心電圖等統(tǒng)稱為混雜因素心電圖。排除死亡心電圖和在采集心電圖與血清鉀標(biāo)本期間予以了補(bǔ)鉀或利尿治療的血液標(biāo)本。根據(jù)患者姓名、住院號(hào)及采集心電圖與血清鉀標(biāo)本的時(shí)間差為±3h(如心電圖對(duì)應(yīng)的血清鉀值的數(shù)量1,則取時(shí)間相隔最近者)的原則進(jìn)行匹配~([1]),獲得有效的心電圖-血鉀對(duì)數(shù)據(jù)集。在排除混雜因素心電圖前,將數(shù)據(jù)集通過患者隨機(jī)分組,其中80%的心電圖作為訓(xùn)練數(shù)據(jù)集,采集心電圖的12個(gè)導(dǎo)聯(lián)訓(xùn)練獲得深度學(xué)習(xí)模型(Deep learning model,DLM),20%的心電圖作為驗(yàn)證數(shù)據(jù)集,用以交叉驗(yàn)證,評(píng)估該模型(算法)通過識(shí)別心電圖信號(hào)篩選低鉀血癥的性能。在排除混雜因素心電圖后,依照上述方法獲取訓(xùn)練集和驗(yàn)證集,分別采集心電圖的12個(gè)導(dǎo)聯(lián)和2個(gè)導(dǎo)聯(lián)(ⅠⅡ)建立模型并驗(yàn)證其效能。將驗(yàn)證集中的排除混雜因素心電圖進(jìn)行診斷歸類,統(tǒng)計(jì)人工分析心電圖診斷低鉀血癥的效果。結(jié)果:(1)本研究共應(yīng)用了12,450份心電圖,在未排除混雜因素心電圖12導(dǎo)聯(lián)模型、排除混雜因素心電圖12導(dǎo)聯(lián)模型和排除混雜因素心電圖2導(dǎo)聯(lián)(I、II)模型的驗(yàn)證集中低鉀發(fā)病率分別為37.0%、47.0%及47.0%。未排除混雜因素心電圖12導(dǎo)聯(lián)模型在其驗(yàn)證集中篩選低鉀血癥的AUC為0.771(95%CI,0.754-0.787),取臨界值為0.4212時(shí),敏感性為70.0%,特異性為69.1%,陽性預(yù)測(cè)值為57.3%,陰性預(yù)測(cè)值為79.6%,準(zhǔn)確率為69.4%。(2)排除混雜因素心電圖12導(dǎo)聯(lián)模型在其驗(yàn)證集中篩選低鉀血癥的AUC為0.796(95%CI,0.766-0.815),取臨界值為0.536時(shí),敏感性為71.4%,特異性為77.1%,陽性預(yù)測(cè)值為73.5%,陰性預(yù)測(cè)值為75.1%,準(zhǔn)確率為74.4%。(3)排除混雜因素心電圖2導(dǎo)聯(lián)(I、II)模型在其驗(yàn)證集中篩選低鉀血癥的AUC為0.643(0.618-0.668),取臨界值為0.967時(shí),敏感性為70.9%,特異性為51%。陰性預(yù)測(cè)值為66.2%,陽性預(yù)測(cè)值為56.3%,準(zhǔn)確率為60.3%。(4)驗(yàn)證集中排除混雜因素的心電圖(n=1748),生化驗(yàn)證低鉀者824例,但這些真性低鉀血癥心電圖中,人工分析僅有180份(21.9%)被診斷為低鉀血癥,其中診斷U波明顯者26份(3.1%),而人工診斷低鉀血癥的心電圖相對(duì)應(yīng)的生化檢測(cè)確定為非低鉀血癥者共116份,人工分析心電圖識(shí)別低鉀的敏感性為21.9%,陽性預(yù)測(cè)值為60.8%。結(jié)論:(1)AI識(shí)別心電圖可快速無創(chuàng)且有效地篩選低鉀血癥;(2)CLBBB、CRBBB及起搏等混雜因素心電圖可能會(huì)降低AI篩選低鉀血癥的性能;(3)與采集12導(dǎo)聯(lián)心電圖信號(hào)的模型相比,采集2個(gè)導(dǎo)聯(lián)(I、II)心電圖信號(hào)的深度學(xué)習(xí)模型篩選低鉀血癥的效能相對(duì)較低。
【學(xué)位單位】：南昌大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：R591.1;TP18;R540.41
【部分圖文】：

第2章研究方法42.1.4數(shù)據(jù)處理在未排除混雜因素心電圖的情況下，依據(jù)心電圖和血清鉀匹配原則進(jìn)行匹配，獲得12540份有效的心電圖-血清鉀對(duì)數(shù)據(jù)集。將數(shù)據(jù)集依據(jù)患者姓名隨機(jī)分組，其中80％（n=10053）的心電圖作為訓(xùn)練數(shù)據(jù)集，同時(shí)采集心電圖的12個(gè)導(dǎo)聯(lián)的5秒鐘時(shí)長心電圖信號(hào)進(jìn)行學(xué)習(xí)訓(xùn)練，得到未排除混雜因素心電圖12導(dǎo)聯(lián)模型。20％（n=2350）的心電圖作為驗(yàn)證數(shù)據(jù)集，用以交叉驗(yàn)證，評(píng)估該模型通過識(shí)別心電圖篩選低鉀血癥的性能。在排除混雜因素心電圖后，依據(jù)上述匹配原則進(jìn)行匹配，獲得有效心電圖-血清鉀對(duì)數(shù)據(jù)集9161份。將數(shù)據(jù)集依據(jù)患者姓名隨機(jī)分組，其中80％（n=7413）的心電圖作為訓(xùn)練數(shù)據(jù)集，分別同時(shí)采集心電圖的12個(gè)導(dǎo)聯(lián)和2個(gè)導(dǎo)聯(lián)（ⅠⅡ）的5秒鐘時(shí)長心電圖信號(hào)進(jìn)行學(xué)習(xí)訓(xùn)練，分別得到排除混雜因素心電圖12導(dǎo)聯(lián)模型和排除混雜因素心電圖2導(dǎo)聯(lián)（ⅠⅡ）模型。20％（n=1748）的心電圖分別作為它們的驗(yàn)證數(shù)據(jù)集，用以交叉驗(yàn)證，評(píng)估這兩個(gè)模型通過識(shí)別心電圖篩選低鉀血癥的性能。（如Picture1）Picture1研究方法流程圖
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉錦萍;韓鄂輝;胡小娟;朱靜安;;心電圖診斷低鉀血癥的臨床價(jià)值[J];基層醫(yī)學(xué)論壇;2010年28期

2 覃桂鳳;呂程;;低鉀血癥心電圖與生化測(cè)定的對(duì)比分析[J];實(shí)用醫(yī)技雜志;2007年12期

3 段秀琴,欒衛(wèi)軍,李新紅;心電圖對(duì)診斷低血鉀的臨床參考價(jià)值[J];實(shí)用心電學(xué)雜志;2003年02期

4 胡申江;;心電圖對(duì)低鉀血癥的初篩與判定[J];臨床心電學(xué)雜志;2006年05期

5 林娜;;心電圖對(duì)低鉀血癥的快速評(píng)價(jià)作用[J];深圳中西醫(yī)結(jié)合雜志;2014年01期

6 左京生;;低鉀血癥的心電圖改變與臨床之間關(guān)系的探討[J];國際醫(yī)藥衛(wèi)生導(dǎo)報(bào);2006年24期

7 范富蓮;;心電圖對(duì)低鉀血癥病人診斷價(jià)值分析[J];求醫(yī)問藥(下半月);2013年04期

8 徐力辛;全世超;夏凱愉;楊煒宇;蔡雪黎;;一種心電圖訓(xùn)練軟件的設(shè)計(jì)與應(yīng)用[J];浙江醫(yī)學(xué)教育;2007年04期

9 尹宗瑩;;探討心電圖在高血鉀診斷中的價(jià)值[J];中國藥物濫用防治雜志;2011年01期

10 王洋帆;程軍;曾強(qiáng)志;;心電圖對(duì)高鉀血癥的鑒別意義[J];中國醫(yī)學(xué)創(chuàng)新;2009年24期

相關(guān)博士學(xué)位論文 前3條

1 吳潔;基于人工智能優(yōu)化的時(shí)間序列預(yù)測(cè)模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

2 佘黎煌;心電圖中T波電交替檢測(cè)關(guān)鍵技術(shù)研究[D];東北大學(xué);2015年

3 蔣其友;人工智能理論與技術(shù)的研究及其在大型離心式壓縮機(jī)故障診斷中的應(yīng)用[D];北京化工大學(xué);1993年

相關(guān)碩士學(xué)位論文 前10條

1 朱彩華;人工智能心電圖診斷快速自動(dòng)識(shí)別低鉀血癥[D];南昌大學(xué);2020年

2 王海文;人工智能生成內(nèi)容的著作權(quán)認(rèn)定研究[D];廣東財(cái)經(jīng)大學(xué);2019年

3 田宇;人工智能生成內(nèi)容的著作權(quán)保護(hù)路徑研究[D];武漢理工大學(xué);2019年

4 郭樂寧;弱人工智能犯罪的刑事責(zé)任分配[D];河北經(jīng)貿(mào)大學(xué);2020年

5 劉鳴柳;人工智能生成物著作權(quán)保護(hù)研究[D];河北經(jīng)貿(mào)大學(xué);2020年

6 余思文;我國人工智能生成物鄰接權(quán)保護(hù)研究[D];安徽大學(xué);2020年

7 楊紅喬;人工智能生成成果專利保護(hù)研究[D];安徽大學(xué);2020年

8 陳陽;人工智能創(chuàng)作物著作權(quán)保護(hù)研究[D];東北師范大學(xué);2019年

9 袁志明;人工智能生成物的著作權(quán)保護(hù)研究[D];大連海事大學(xué);2019年

10 徐澤龍;人工智能生成物的著作權(quán)保護(hù)研究[D];浙江財(cái)經(jīng)大學(xué);2019年

本文編號(hào)：2874112