计量学报

作者：胡政, 刘金城, 周凤, 马雪然, 田媛, 定翔

关键词：医学计量,心律失常识别,测量不确定度,人工智能算法,质量评估

基金：国家重点研发计划(2024XFC3016400)

基于心律失常的人工智能识别算法在心血管疾病的诊断中至关重要。由于算法的测量不确定度评定是实现心律失常识别算法可靠性评估的关键，因此提出一种针对此类算法的测量不确定度评定方法。采用MIT-BIH心律失常数据库作为参考数据集，将DNN模型与CNN等3个模型进行对比试验。使用独立数据集十折交叉实验，通过不确定度合成的评定方法，分析算法输出结果的可靠性。4个模型在主要类型心律失常识别中分别达到97.2% （95% CI： 96.8%~97.6%），92.8% （95% CI： 91.0%~94.6%），89.5% （95% CI： 87.4%~91.6%）和93.2% （95% CI： 91.6%~94.8%）的总体准确率。不确定度传播分析发现，十折交叉实验不确定度（0.18%）、设备系统误差（0.03%）和数据量化误差（0.01%）是影响测量结果可靠性的主要因素，为医疗人工智能算法的质量评估提供了参考。

来源：2025年第7期

《计量学报》期刊编辑部

查看计量学报杂志2025年第7期