基于心电大数据的动态心电图人工智能辅助诊断与临床应用研究

本项目主要研究如下关键技术： 1、研究区域心电大数据动态存储关键技术，建立国内外领先的心电大数据存储与服务数据库； 2、开发心电标注软件，使用自动分析算法进行初筛，提高心电图技师标注效率，确保标注的准确性； 3、开展基于人工智能学习算法的ECG信号多融合卷积神经网络分析算法模型研究，适用于动态心电图人工智能辅助诊断分析工作； 4、基于训练好的人工智能学习算法模型，研发心电图识别、筛查与预警服务的大数据展示与应用平台 项目组成员由具有医疗健康领域经验的专家、主任，具有大数据产业软硬件产品研发能力的年轻团队组建。项目前期已完成可穿戴心电监测设备和软件平台的开发，及部分心电数据的采集标注。

目前心电图数据自动分析技术由于心血管疾病形态多样以及伪差等问题，信号自动分析准确度仅在70%左右，医生出具动态心电图报告约30- 40分钟。而基于心电大数据的动态心电图人工智能辅助诊断技术，可将心电图自动诊断准确度由70%提升至97%，有效提升医生的工作效率，使医生专注于临床心血管疾病诊断。而且还可以面向个人用户、基层医疗机构、医院、心电监测设备厂商提供心电图智能分析服务；降低基层医疗机构对于心电读图的门槛，更好地实现普惠医疗，助力分级诊疗。