计算机科学与探索

作者：王永威, 魏德健, 曹慧, 姜良

单位：山东中医药大学 智能与信息工程学院，济南 250355

关键词：心力衰竭,生物医学信号,深度学习,卷积神经网络,循环神经网络,混合模型

基金：国家自然科学基金（82074579，82374620）。

随着生物医学技术的发展，利用生物信号进行心力衰竭的早期诊断已成为提高患者生存率和降低治疗成本的关键策略。在此背景下，深度学习技术的迅猛发展为心力衰竭检测开辟了新路径。系统地综述了深度学习在心力衰竭检测中的最新进展和应用。概述了心力衰竭检测涉及的主要生物医学信号和公开数据集。详细分析了深度学习在心力衰竭诊断领域的应用及其发展，特别是对卷积神经网络和长短期记忆网络处理心电图、心率变异性、心音等关键生物医学信号的能力进行了深入分析，总结了这些技术的优势、局限性，并对各类模型性能进行了比较。探讨了通过融合多种人工智能技术所构建的混合模型在提升检测精度和模型泛化能力方面的潜力，以及如何利用模型的可解释性来增加检测过程的透明度，提升医生的信任度。最后总结了当前研究存在的不足，并对未来研究方向提出展望，强调了跨学科合作在推动心力衰竭检测技术进步中的重要性。

来源：2025年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第1期