@article{Дроздов Д. В.2026-04-25,
author = { Дроздов Д. В.,  Насонова С. Н.,  Семчук И. П.,  Скалеух Е. Д.,  Ли Е. С.,  Чайковская О. Я.,  Шошина А. А.,  Жиров И. В.,  Самородов А. В.,  Терещенко С. Н.},
title = {Оценка информативности признаков планарности петли QRS и интервала ST-T И применение глубокого обучения в анализе электрокардиографии при амилоидной кардиомиопатии},
year = {2026},
doi = {10.15829/10.15829/1560-4071-2026-6895},
publisher = {NP «NEICON»},
abstract = {Цель. Провести сравнительный анализ диагностической эффективности и интерпретируемости двух подходов к анализу электрокардиограммы при амилоидной кардиомиопатии (АКМП): модели глубокого обучения (1D ResNet) и алгоритма оценки планарности петель векторэлектрокардиограммы.Материал и методы. Исследование выполнено на наборе данных, включающем записи электрокардиограммы пациентов с верифицированным АКМП (n=99) и контрольной группы (n=2673). Для балансировки классов применялась методы аугментация и undersampling. Использовались два метода: свёрточная нейронная сеть (CNN) архитектуры ResNet с методом интерпретации решений Grad‑CAM. Оценка планарности сегментов QRS и ST‑T (коэффициент детерминации R²) с классификацией методом случайного леса (Random Forest).Результаты. Модель 1D ResNet продемонстрировала стабильную способность к детекции патологии: чувствительность и специфичность составили 75%. Классификатор Random Forest на основе признаков планарности показал более высокую комплексную эффективность: специфичность достигла 85%, а прогностическая точность (Precision) – 79% при сохранении чувствительности на уровне 75%. Анализ карт активации (Grad‑CAM) выявил, что для нейросети наиболее значимой областью сигнала при АКМП является зубец T (вклад 93,75%). Это согласуется с данными метода планарности, где признаки сегмента реполяризации также внесли основной вклад (57 %) в принятие решения.Заключение. Оба метода подтверждают, что ключевые диагностические нарушения при АКМП локализуются в фазе реполяризации (зубец T). Подход на основе планарности обеспечивает физическую интерпретацию (пространственная неоднородность), а Grad‑CAM визуализирует диагностическую логику нейросети, совпадающую с патофизиологическими предпосылками.},
URL = {https://www.cardiojournal.online/publication/14251},
eprint = {https://www.cardiojournal.online/files/14655},
journal = {Российский кардиологический журнал},
}