美敦力 × MATLAB开发深度学习模型对植入式心脏监护仪进行房颤检测

美敦力开发植入式心脏监护仪，可连续ECG监测以检测房颤，但房颤的间歇性和无症状性使准确长期监测极具挑战，且现有设备算法产生大量假阳性结果，增加医生审查负担。为应对挑战，美敦力团队使用MATLAB快速构建基于AI的后处理解决方案原型，将ECG特征组合成图像，用Deep Learning Toolbox和Parallel Computing Toolbox训练卷积神经网络，仅三周就开发出模型，将房颤错误检测率降低90%以上，真实阳性检出率损失极小，提高了临床工作效率。关键成果包括：用MATLAB和Deep Learning Toolbox创建并验证高性能AI模型，验证准确率达97%；开发定制化特征集成；将假阳性检测率降低90%以上，减少医生审查时间。