中东在线和中国新闻客户新闻记者于5月21日从中国科学技术大学获悉，中国科学技术大学的陈·扬教授在促进非接触式心房颤动监测领域的发展方面取得了成功。基于电力力学机制整合的机制，研究团队使用雷达理解技术来实现不接触大量人群中心房颤动诊断的诊断。相关研究结果已于5月20日发表在自然界中。心房颤动是最常见的心律失常疾病之一，不仅会引起重大的临床症状，而且还严重威胁了患者的生活和健康。近年来，它的全球报道是显示出快速的上升趋势。在亚太地区，房颤的患者人数在2023年达到近8000万，中国该地区患者人数最多的国家。最新的研究表明，我国成年人房颤的总体增殖为1.6％。心房颤动具有逐步发育的特征，其路线可以逐渐从偶尔的房颤到持续的房颤，并最终在难治性的永久性心房颤动中发育。这种特征是指早期诊断和及时干预的主要作用，并且具有延迟疾病发展并预防严重并发症（例如中风和心力衰竭）具有重要意义。心电图（ECG）是诊断房颤的金标准，但房颤通常会出现无症状的间歇性发作（尤其是在早期阶段）。传统的心电图测试仅需10秒至分钟，并且在并发症发生后经常诊断，失去了最佳治疗时间。可穿戴技术（例如动态心电图）提供了继续监测的新方法，但是它们的接触检测属性使其不可取，并且在无症状的早期阶段不可能使用。因此，在第一次并发症发生之前如何进行早期分析仍然是一个主要的临床挑战。当发生心房颤动时，会破坏心脏电脉冲的适当传导，并且不良的电信号会促进内部NG心房，从而导致疾病的节奏。这种电生理疾病会引起异常的机械运动，这反过来驱动了胸壁的去除以在体内发展机械波动，这可以通过雷达波雷达来看见。它通过机械评估身体表面的运动来诊断房颤，为诊断房颤提供了新的想法。但是，与已经积累了一个世纪以上的心电图诊断系统相比，Pathol机械运动对机械运动的解释超出了传统医学认知的范围。为了应对这一挑战，研究团队提出了基于知识的转移而建立网络的建筑，并确定组织在电活动活动和机械运动模式之间对组织的映射，并使用了已经证明数百年来的TheECG信号特性，以帮助神经网络识别异常的埃拉德氏症 - 对机械纤维化的机械机械性的变化。该系统实现了一种非接触，无操作，可穿戴设备发现的方法，并在大规模临床验证中获得心电图诊断附近的发现性能。该系统在6,258个主题上进行了测试，发现的灵敏度为0.844，规范为0.995。在阳光下对27个主题的主题进行监测，该主题具有高气颤的高风险，该系统在临床之前成功识别了2例房颤患者诊断。此外，该系统可能对确定射频消融手术前后心房颤动阶段的动态变化很敏感。该效率源自两个主要技术突破：1。研究团队针对获得机械心脏信号的任务。开发了专用的雷达信号处理算法，以获得具有高精度的机械心脏毫米运动。 2。通过知识转移技术和心脏的电学整合的机制，现有心电图数据库的诊断知识用于训练AI模型，以准确识别心房颤动独有的机械运动模式。该系统旨在实现房颤的完全无接触式和操作的主动监测，该监视自然可以包括在阳光明媚的情况下，例如睡眠或工作，并支持从健康状态到ENTI的终身监测RE ATR的房颤过程。研究结果表明，这项技术有望改变现有的房颤诊断和采用个人和主动管理技术的治疗过程，从而实现更好的心血管健康管理。 Yuan Yuqin是中国科学技术网络空间安全学院的医生，博士后生Chen Jinbo是本文的第一位作者；中国网络空间安全科学技术学院教授，​​第一会员医院的心脏病学专业教授陈Yan是相应的文章。 Ma Likun教授是中国科学技术大学第一附属医院的特别研究员，中国科学技术大学第一附属医院的特别研究员，科学技术大学的特别研究人员中国科学技术大学的特别副研究员，中国科学技术大学的特别副研究员，一名特别研究员和中国科学技术大学，以及中国科学技术的特别研究员，中国科学技术大学的特别副研究员，是中国科学技术的特别研究员特殊学校业务的Hefei Zhongke Zhiqi信息技术有限公司是文章合作部。相关工作由中国国家自然科学基金会，科学技术部，安海省和中国科学技术大学资助。 （记者王Qiao）