机构名称：
¥ 1.0
背景：房颤（AF）是一种常见的心律不齐，可能导致心血管不良后果，但通常很难检测到。近年来，使用机器学习（ML）算法来检测AF。这项研究旨在系统地评估和总结ML算法在检测心电图（ECG）信号中AF时的整体诊断准确性。方法：搜索数据库包括PubMed，Web of Science，Embase和Google Scholar。所选的研究对诊断准确性进行荟萃分析，以综合敏感性和特异性。结果：总共包括14项研究，荟萃分析的森林图表明，汇总的灵敏度和特异性为97％（95％置信区间[CI]：0.94-0.99）和97％（95％CI：0.95-0.99）。与传统的机器学习（TML）算法（敏感性：91.5％），深度学习（DL）算法（敏感性：98.1％）相比表现出色。单独或组合使用多个数据集和公共数据集比使用单个数据集和专有数据集表现出更好的性能。结论：ML算法可有效检测来自ECG的AF。dl算法，尤其是基于卷积神经网络（CNN）的算法，与TML算法相比，在AF检测中表现出了出色的性能。ML算法的集成可以帮助较早的可穿戴设备诊断。
用于从ECGS检测房颤的机器学习
主要关键词
相关文件推荐
