基于多模态数据的冠心病诊断研究.pdf

基于多模态数据的冠心病诊断研究

摘要

冠心病是一种常见心血管疾病，诊断过程中需要考虑心电图、血压、血液中的生

化指标和影像学检查等多种因素进行综合分析。以往的研究大多只考虑到单模态数据，

多模态的深度学习方法可以将来自不同模态的数据进行融合，从而得到更加全面、准

确的信息。此外，目前的方法还存在诊断冠心病粒度粗的问题，没有细化冠心病的具

体类别，因此，基于多模态数据的冠心病精确诊断方法研究具有重大意义。

本文首先研究纸质噪声心电图去噪问题。多年来，各大医院都对纸质心电图进行

扫描保存到电子健康病历中。扫描后的心电图含有噪声，很难直接将其作为智能诊断

算法的训练数据，需要对其进行预处理。一些研究人员利用神经网络从噪声心电图中

提取心电信号，由于缺乏成对的噪声心电图和无噪声心电图标签来训练神经网络，效

果并不显著。本文提出了一种无监督的噪声心电图生成方法。这些生成的心电图具有

与输入心电图相同的心电信号，并且噪声与实际心电图相似。为了评价生成图像的全

局和局部质量，本文使用两个判别器的生成对抗网络，分别称为全局鉴别器和局部鉴

别器。在训练模型时，全局鉴别器的输出向量反馈给生成器，促使生成器有针对性地

改进生成结果。利用该方法产生的数据训练神经网络进行心电信号提取的DICE系数

达到0.87，高于稳健基线模型的0.80。

本文提出了一种结合超声心动图报告单、化验单、心电图的多模态冠心病诊断方

法。超声心动图报告单、化验单数据中存在较多缺失值，本文首先进行实验探讨了缺

失值填充方式对冠心病诊断算法的影响，选择最优的填充方式预处理。然后本文对纸

质噪声心电图去噪。最后，利用特征提取器分别提取超声心动图报告单、化验单、心

电图的特征表示，将其融合后用分类器进行冠心病诊断的精确分类。本文提出的多模

态冠心病诊断方法准确率为0.92、精确率为0.92、召回率为0.92、F1值为0.90。高于

面向生化检查数据的冠心病诊断最优的模型的准确率0.85、精确率0.80、召回率0.85、

F1值0.82。高于面向心电图的冠心病诊断最优模型的准确率0.89、精确率0.85、召回

率0.89、F1值0.86。

关键词：冠心病诊断；多模态；心电图去噪；数据生成

基于多模态数据的冠心病诊断研究

Abstract

Coronaryarterydisease(CAD),alsoknownascoronaryheartdisease,isaprevalent

cardiovasculardisorderthatrequiresthecomprehensiveanalysisofvariousfactors,including

electrocardiograms(ECG),bloodpressure,biochemicalmarkersinblood,andimaging

examinations,tofacilitatethediagnosticprocess.Previousresearchhaspredominantly

focusedonsingle-modaldata,whilemultimodaldeeplearningmethodshavethepotentialto

integratedatafromdifferentmodalities,therebyprovidingmorecomprehensiveandaccurate

information.Additionally,currentmethodslacktheabilitytodiagnoseCADwithfine

granularity,astheydonotdistinguishspecificcategoriesofthedisease.Therefore,

investigatingpreciseCADdiagnosismethodsbasedonmultimodaldataholds