%0 article
%A Дроздов Д. В., 
%A Насонова С. Н., 
%A Семчук И. П., 
%A Скалеух Е. Д., 
%A Ли Е. С., 
%A Чайковская О. Я., 
%A Шошина А. А., 
%A Жиров И. В., 
%A Самородов А. В., 
%A Терещенко С. Н., 
%T Оценка информативности признаков планарности петли QRS и интервала ST-T И применение глубокого обучения в анализе электрокардиографии при амилоидной кардиомиопатии
%D 2026
%R 10.15829/10.15829/1560-4071-2026-6895
%J Российский кардиологический журнал
%X 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.
%U https://www.cardiojournal.online/publication/14251