基于RR间期构建的VGG16+Informer融合模型在阵发性心房颤动诊断与负荷评估中的价值

摘要

目的 探讨基于RR间期序列，构建VGG16与Informer的双输入融合分类模型对阵发性心房颤动（PAF）分类的有效性，并对PAF的负荷展开评估，探索其在PAF筛查与临床辅助诊断中的实用价值。方法 收集并筛选85例PAF的动态心电图RR间期数据为研究对象，构建基于VGG16和Informer的双输入融合分类模型，从RR间期序列片段中分别随机选取训练集（n=909）和测试集（n=220）进行30轮训练与测试评估，保存当前最佳模型，再用此模型分别对每例RR间期序列片段进行分类预测并识别心房颤动发作区间，得出平均交并比。结果 双输入融合分类模型整体准确率98.3%，对PAF的特异性、灵敏度、阳性预测值、阴性预测值和F1-Score分别达到98.96%、93.36%、95.55%、98.43%和94.44%，同时基于时间定位的精度对心房颤动事件的预测得出平均交并比0.813。结论 基于RR间期序列，构建了预测PAF的VGG16+Informer双输入融合分类模型，经实验验证，本模型在识别PAF发作及其起止时间方面表现出了卓越的性能，为心房颤动筛查和临床及时干预提供了强有力的技术支持。

关键词

阵发性心房颤动 / RR间期 / VGG16 / Informer / 融合分类模型