基于心电图的心肌梗死识别分类研究

心肌梗死（MI）是一种严重的心脏病,症状前的健康检查可以发现早期的MI。心电图（ECG）是一种常用的无创健康检查诊断工具。一些使用ECG预测MI的研究存在基于私人数据集、样本量小、分析方法简单等不足。为了解决这些问题,本研究提出在英国最大的开放采集生物信息资源平台UK Biobank上进行MI的首次基准预测实验,涵盖基于临床特征的机器学习方法和基于ECG信号的深度学习方法。结果显示,基于临床特征的AUC为0.690,深度学习使用原始ECG信号的AUC为0.728,提升近4%。证明深度学习基于原始ECG信号能学习到比临床特征更多的信息。另外,对XGBoost和ResNet方法的结果进行了初步的可解释性分析,发现ST波与MI的关联更密切。