基于阳性反应心电图的血管迷走性晕厥人工智能识别模型研究.pdfVIP

中国心血管病研究2025年6月第23卷第6期ChineseJournalofCardiovascularResearch，June2025，Vol.23，No.6

·497·

人工智能人工智能++心血管疾病心血管疾病

基于阳性反应心电图的血管迷走性晕厥人工智能基于阳性反应心电图的血管迷走性晕厥人工智能

识别模型研究识别模型研究

常超骆嘉伟谭健刘桂芝张静华樊好义付冰潮闫书妹张扬辉

作者单位：450000河南省郑州市，郑州大学第一附属医院物理诊断科（常超、刘桂芝、张静华、闫书妹、张扬辉），信息科（谭健），

手术部（付冰潮）；郑州大学计算机与人工智能学院（骆嘉伟、樊好义）

通信作者：刘桂芝，E-mail163.com

【摘要】目的基于阳性反应心电图，应用人工智能技术创建血管迷走性晕厥（VVS）识别模型。方法

回顾性收集2023年1月1日至2024年6月30日在郑州大学第一附属医院进行直立倾斜试验检查的病例资

料共2278例。根据直立倾斜试验检查结果及临床病史，分为VVS组（1048例）和对照组（1230例），收集患者

年龄、性别、基础血压、基础心率、心电图原始数据等资料，心电图原始数据进一步分为平卧位心电图、体位

变化心电图、倾斜位心电图及VVS阳性反应时心电图，两组患者分别通过简单随机法按3∶1∶1分为训练集、

验证集和测试集，并进行VVS识别模型训练。结果VVS组和对照组年龄分别为（43.55±19.33）岁和（41.78±

19.84）岁，男性比例分别为38.84%和53.52%，收缩压分别为（125.87±18.06）mmHg和（129.14±18.28）mmHg，

舒张压分别为（78.29±11.00）mmHg和（79.74±11.48）mmHg，心率分别为（73.59±12.09）次/min和（74.75±12.88）

次/min，均存在统计学差异（P均0.05）。经过训练、验证和测试，基于平卧位心电图、体位变化心电图、倾

斜位心电图所建立的VVS识别模型F1分数均为0.53，AUC均为0.59，基于VVS阳性反应时心电图所建立

的VVS识别模型F1分数为0.78，AUC均为0.89。结论本研究基于VVS阳性反应时心电图，应用人工智

能技术成功构建了VVS识别模型，为VVS的诊断和临床干预提供了新的方法和工具，有望改善患者的诊

疗效果。

【关键词】血管迷走性晕厥；心电图；直立倾斜试验；人工智能；模型

doi：10.3969/j.issn.1672-5301.2025.06.004

+

中图分类号R540.41文献标识码A文章编号1672-5301（2025）06-0497-05

Researchonrecognitionmodelofvasovagalsyncopebyartificialintelligencetechnologybasedonpositive

reactionofelectrocardiogram

CHANGChao，LUOJia-wei，TANJian，LIUGui-zhi，ZHANGJing-hua，FANHao-yi，FUBing-chao，YANShu-

mei，ZHANGYang-hui.DepartmentofPhysicalDiagnosis（CHANGChao，LIUGui-zhi，ZHANGJing-hua，YAN

Shu-mei，ZHANGYang-hui），DepartmentofInformationScience（TANJian），DepartmentofOperation（FUBing-

chao），TheFirstAffiliatedHo