基于心电图向量的机器学习模型将俯卧位心电图转换为标准心电图的建立与验证
Establishment and validation of an electrocardiogram vector-based machine learning model for the conversion of prone position electrocardiograms into standard electrocardiograms
👥 作者
Haoran Zhang
(Imperial College London/英国)
Zejia Li
(University of Cambridge/英国)
Shaofeng Li
(University of Edinburgh/英国)
Xing Shao
Fangfang Zhang
Zhikang Xue
Zhonglin Chen
Jiayi Liu
Shida Hong
Shijing Geng
Xinhao Geng
Jianda Zhou
Gary Tse
Xin Liu
Haoyu Tao
Tong Liu
Kuiyang Chen
📝 摘要
俯卧位心电图在重症监护和特殊检查环境中经常获取，但其解读受到体位变化的显著影响，导致ST段偏移和T波改变，可能干扰STEMI等心血管疾病的诊断。本研究旨在开发一种将俯卧位心电图转换为标准心电图的方法，以方便医师诊断STEMI和其他心血管疾病。前瞻性采集了标准心电图、心电向量图（VCG）和俯卧位心电图数据，建立基于心电图向量的机器学习模型。研究使用多种机器学习算法进行建模，并通过独立数据集进行验证。结果显示，该模型能够有效校正俯卧位对心电图波形的影响，将俯卧位心电图转换为接近标准体位的等效心电图。转换后的心电图在STEMI诊断准确性方面显著提高。该研究为解决临床实践中俯卧位心电图解读困难提供了新的解决方案，具有重要的临床实用价值，特别是在重症监护和麻醉监测等场景中。
🏷️ 关键词
electrocardiogram
prone position
STEMI
machine learning
vectorcardiogram
ECG conversion
cardiovascular diagnosis