目的 运用计算机深度学习的方法,初步建立3个儿童室性期前收缩的卷积神经网络模型,比较并评价其对儿童室性期前收缩的诊断价值.方法 采集1200例儿童室性期前收缩的体表心电图作为室性早博组,并以同期性别、年龄匹配的1200例正常儿童心电图作为正常对照组,男女比例3:2,平均年龄均为(6.5±0.5)岁.剔除个别不适于模型训练的心电图,在两组中随机抽取800例样本,运用计算机深度学习的方法,训练建立3种自动诊断儿童室性期前收缩的计算机卷积神经网络模型.另外在室性期前收缩组及对照组剩余的样本中各抽取200例,以心电图专家小组的诊断作为"金标准",利用统计学方法,评价模型的可靠性和真实性.结果 利用心电图波形图像建立二维卷积神经网络模型和V3模型,利用心电图时间序列数据建立一维卷积神经网络模型.其中二维卷积神经网络模型的灵敏度65％、特异度71.5％、漏诊率35％、误诊率28.5％、阳性预测值69.5％、阴性预测值67.1％、准确率68.2％、Kappa值0.365;V 3模型的灵敏度82％、特异度85％、漏诊率18％、误诊率15％、阳性预测值84.5％、阴性预测值82.5％、准确率83.5％、Kappa值0.670;一维卷积神经网络模型的灵敏度87.5％、特异度89.5％、漏诊率12.5％、误诊率10.5％、阳性预测值89.3％、阴性预测值87.7％、准确率
作者：刘莉；黄玉娟；王健怡；罗佳佳；冯飞；徐萌；黄敏
来源：临床儿科杂志 2019 年 37卷 2期
