基于阳性反应心电图的血管迷走性晕厥人工智能识别模型研究
常超1
骆嘉伟2
谭健3
刘桂芝1
张静华1
樊好义2
付冰潮4
闫书妹1
张扬辉1
1.450000 河南省郑州市,郑州大学第一附属医院物理诊断科2.郑州大学计算机与人工智能学院3.450000 河南省郑州市,郑州大学第一附属医院信息科4.450000 河南省郑州市,郑州大学第一附属医院手术部
摘要：目的 基于阳性反应心电图,应用人工智能技术创建血管迷走性晕厥(VVS)识别模型.方法 回顾性收集2023年1月1日至2024年6月30日在郑州大学第一附属医院进行直立倾斜试验检查的病例资料共2278例.根据直立倾斜试验检查结果及临床病史,分为VVS组(1048例)和对照组(1230例),收集患者年龄、性别、基础血压、基础心率、心电图原始数据等资料,心电图原始数据进一步分为平卧位心电图、体位变化心电图、倾斜位心电图及VVS阳性反应时心电图,两组患者分别通过简单随机法按3∶1∶1分为训练集、验证集和测试集,并进行VVS识别模型训练.结果 VVS组和对照组年龄分别为(43.55±19.33)岁和(41.78±19.84)岁,男性比例分别为38.84％和 53.52％,收缩压分别为(125.87±18.06)mmHg和(129.14±18.28)mmHg,舒张压分别为(78.29±11.00)mmHg 和(79.74±11.48)mmHg,心率分别为(73.59±12.09)次/min 和(74.75±12.88)次/min,均存在统计学差异(P均＜0.05).经过训练、验证和测试,基于平卧位心电图、体位变化心电图、倾斜位心电图所建立的 VVS识别模型F1分数均为0.53,AUC均为0.59,基于 VVS阳性反应时心电图所建立的VVS识别模型F1分数为0.78,AUC均为0.89.结论 本研究基于 VVS阳性反应时心电图,应用人工智能技术成功构建了 VVS识别模型,为VVS的诊断和临床干预提供了新的方法和工具,有望改善患者的诊疗效果.
关键词：血管迷走性晕厥心电图直立倾斜试验人工智能模型
分类号：R540.4+1(心脏、血管（循环系）疾病)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 497-501 )
英文信息