多尺度频域增强双网络用于心电图心脏肥大自动化诊断

《BMC Medical Informatics and Decision Making》：MFDN: Multi-scale Frequency-domain Enhanced Dual Network for electrocardiographic detection of cardiac hypertrophy

　　

摘要

心脏肥大（HYP）与心力衰竭和猝死风险增加有关。尽管心电图（ECG）应用广泛，但传统诊断标准存在灵敏度低的问题。现有的深度学习方法往往无法有效捕获肥大心电图信号中的频域异常和导联间依赖性。为克服这些局限性，我们提出了多尺度频域增强双网络（MFDN）用于HYP标签的自动化诊断，该模型充分利用了12导联ECG中的时域和频域信息。具体而言，骨干网络整合了多尺度频域增强（MSFE）模块，利用可训练的软自适应阈值机制，自适应地解耦重叠的频率成分并提取精确的病理频谱表示。此外，设计了一个轻量级的拓扑感知分支网络和先验导联融合网络（PLFN），以保留12导联ECG的空间拓扑结构。这两个双网络表示通过PLFN中的通道级门控机制进行动态对齐和集成，从而引导骨干网络实现精确的肥厚检测。该模型在PTB-XL数据库上进行评估，该数据库包含2,649名标注有HYP的患者，采用8:1:1的训练-验证-测试划分。与近期基准相比，该模型在低计算成本下取得了极具竞争力的性能，召回率为0.7175，AUC为0.9070，准确率为0.8906，F1分数为0.6506。这一稳健的性能凸显了有效捕获频域特征对于自动化ECG标注的价值。最后，基于Shapley值的特征重要性分析证实，MFDN依赖于具有临床相关性的病理特征。