急性心肌梗死发病凶险、并发症多,且发病率呈年轻化趋势。心肌梗死确诊周期较长,可能会耽误患者最佳就诊时机。如能通过定期的心电图检查措施而发出预警信号有助于早期发现心梗,及时采取治疗措施,提高患者生存率。以往使用心电图辅助诊断技术进行急性心肌梗死的辅助诊断研究通常是通过分析单一类型的数据,建立从数据到Prior history of hepatectomy结果的映射。然而,单独的心电信号可能无法提供足够的信息来准确预测这些情况或事件,多模态信息融合技术则可集成不同信息来提高模型性能。本文专注基于心电图的心肌梗死辅助诊断算法及其应用,使用信号处理技术滤除数据集中常见噪声,缓解样本分布不平衡导致错分样本多的问题,把多种模态心电数据结合起来进行CB-839作用心梗辅助诊断研究。本文的主要工作:(1)使用PaperECG将收集的心电数据集从图片格式转换为时间序列信号数据,以方便后续研究。针对心电信号中存在基线漂移、肌肉伪影、电源线干扰等噪声的问题,使用组合低通滤波(FIR)和高通滤波(IIR)的方式有效滤除信号中噪声。(2)针对样本有限导致类不平衡的问题,在双向长短期记忆神经网络的基础上,引入基于优化的元学习自适应学习重加权函数的方法,使用一个小的无偏数据集,平衡12导联心电信号与不同类别心肌梗死间的关联。实验表明,相对于基线模型,该方法对不平衡心电数据有不错的性能提升,对心电波段变化不明显的心梗类型有较好的表征能力。(3)针对单模态心电信号可能无法提供准确信息这一问题,应用知识蒸馏机制,在预训练任务中分别使用教师模型中时间序列数据的1D神经网络和频谱图数据的2D神经网络来训练两个轻量级学生模型,然后使用门融合机制融合来自两个网络的特征。消融实验结果表明,门融合机制和知识蒸馏均起到了效果提升的作用,多模态相对于单模态更有优势。最后,通过SHAP方法对多模态模型的预测结果做出可视化解释。(4)设计并实现心梗辅助诊断平台。基于多模态心梗辅助诊断模型,本文设计了一种自动化心电检测应用程序。将心电信号导入到系统中,系统的信号处理模块和特征提取模块对信号进行处理并显示在交互界面中,最后完成心电图可视化、特征提取、心梗辅助诊断、病例表功能。本文在新疆两家三甲医院收集的心电图数据上进行了充分的实验,实验结果证明基于多模态的心梗辅助诊断模型展现出更好的性能,心肌梗死识别selleckchem E7080准确率达到了86.27%,超过单模态模型1.27%。设计实现的心梗辅助诊断平台也能初步满足临床需求。