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生在醫院外。因此，心血管事件的醫院外預警十分關鍵。近日，深圳先進院數字所李燁研究員團隊，提出了一種基于時空特征融合的深度神經網絡。團隊成員王如心、姚啟航在接受深圳商報記者采訪時表示，不同于傳統方法，使用這種算法，除了考慮心電信號的時間特征，還加入了不同導聯的空間信息，“也就是除心臟活動外，同時結合身體其他部位的信號，使得分析結果更全面。”王如心說。
為什么需要可穿戴心電
通過可穿戴心電信號的自動監測來分析心律失常，是近年來研究的熱點方向。
據悉，普通心電圖檢查只能記錄當前一段短時間內的心電活動，“心臟異常情況的發生，特別是急性事件，往往是陣發性的、一過性的、偶發性的。針對術后以及心血管疾病高危人群，通過可穿戴設備進行全程連續24小時甚至更長時間的監測，有助于分析信號的節律變化，捕獲到心臟的陣發、異常狀況并作出及時的預警。”王如心告訴記者。因此，通過可穿戴心電信號的自動監測分析，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，通常以特征點檢測為基礎進行分析，其缺點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空特征融合的深度網絡架構，有效提取了信號的空間和時間特征。該算法可集成在可穿戴設備芯片中，通過智能分析，采集到多導聯心電信號。
關聯“時空”的算法
王如心告訴記者，傳統方法是從時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，創新點在于加入了多導聯心電信號的空間相關性，通過人工智能方法直接分析處理信號。“心電信號的變化，不止反映在信號的時間維度上，其他體表位置采集到相關導聯的信號，彼此在空間上的變化都是互相關聯的。我們把空間信息補充在時間維度上，實現互補，得到的檢測結果也更準確。”王如心告訴記者。
此外，研究人員進一步在網絡架構中引入注意力機制，對分段信號的重要性進行自適應評估，有效提高了模型對異常狀態的感知，降低了其他信息的干擾。上述方法實現了以房顫、傳導阻滯、早搏等為代表的9類心律失常疾病的有效判別，在2018中國生理信號挑戰賽公開的9831條心電信號上（約609522個心搏），心律失常識別精度達到82.6%。
這套算法未來可以面向醫療級可穿戴設備，在云端就可以將收集的用戶心電數據進行處理分析，實時反饋異常，并以此為基礎給出診斷報告；方便進行院外心臟類疾病的篩查，以及醫生對患者術后康復效果評估、用藥效果評估及隨訪等。
據悉，這項成果發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人工智能領域影響力最高的三個研究性期刊之一。而論文的第一作者姚啟航目前還是一名本科生。