充血性心力衰竭(CHF)是一种慢性进行性疾病，会影响心肌的抽吸能力。与高流行率，显着的死亡率和持续的医疗保健成本相关联，临床从业者和卫生系统迫切需要有效的检测过程。

塞巴斯马萨罗博士在英国萨里大学组织神经科学副教授，曾与同事米哈埃拉Porumb和莱昂德罗Pecchia博士曾在英国华威和Ernesto Iadanza在佛罗伦萨大学的大学，以解决使用卷积神经网络这些重要的关注( CNN) - 分层神经网络，在识别数据中的模式和结构方面非常有效。

发表在生物医学信号处理和控制期刊上，他们的研究大大改进了现有的CHF检测方法，这些方法通常侧重于心率变异性，虽然有效，但是很费时，容易出错。相反，他们的新模型在原始ECG信号上结合使用先进的信号处理和机器学习工具，提供100%的准确度。

马萨罗博士说：“我们在大型公共心电图数据集上训练和测试了CNN模型，其中包括CHF受试者以及健康，非心律失常的心脏。我们的模型提供100%准确度：通过检查一次心跳，我们能够检测是否或我们的模型也是第一个能够识别心电图特征与病情严重程度相关的形态学特征的模型之一。

欧洲医学和生物工程联盟主席Pecchia博士解释了这些发现的含义：“全球约有2600万人受到心衰的影响，我们的研究在目前的方法学方面取得了重大进展。使临床医生能够获得准确的CHF检测工具可以产生重大的社会影响，患者可以从早期和更有效的诊断中受益，并减轻NHS资源的压力。“

充血性心力衰竭(CHF)是一种慢性进行性疾病，会影响心肌的抽吸能力。与高流行率，显着的死亡率和持续的医疗保健成本相关联，临床从业者和卫生系统迫切需要有效的检测过程。

塞巴斯马萨罗博士在英国萨里大学组织神经科学副教授，曾与同事米哈埃拉Porumb和莱昂德罗Pecchia博士曾在英国华威和Ernesto Iadanza在佛罗伦萨大学的大学，以解决使用卷积神经网络这些重要的关注( CNN) - 分层神经网络，在识别数据中的模式和结构方面非常有效。

发表在生物医学信号处理和控制期刊上，他们的研究大大改进了现有的CHF检测方法，这些方法通常侧重于心率变异性，虽然有效，但是很费时，容易出错。相反，他们的新模型在原始ECG信号上结合使用先进的信号处理和机器学习工具，提供100%的准确度。

马萨罗博士说：“我们在大型公共心电图数据集上训练和测试了CNN模型，其中包括CHF受试者以及健康，非心律失常的心脏。我们的模型提供100%准确度：通过检查一次心跳，我们能够检测是否或我们的模型也是第一个能够识别心电图特征与病情严重程度相关的形态学特征的模型之一。

欧洲医学和生物工程联盟主席Pecchia博士解释了这些发现的含义：“全球约有2600万人受到心衰的影响，我们的研究在目前的方法学方面取得了重大进展。使临床医生能够获得准确的CHF检测工具可以产生重大的社会影响，患者可以从早期和更有效的诊断中受益，并减轻NHS资源的压力。“

###