收益：
- 能够解释人工智能在心电图信号的噪声消除、波检测和心律分类步骤中的作用
- 能够根据生理范围、伪影和临床背景严格评估模型输出
- 了解心脏 AI 建议与需要医生批准的诊断决策是分开的
心电图（ECG；英文为ECG或EKG）是用皮肤上的电极记录心脏每次跳动产生的电活动。由此产生的曲线是医学上最常见的生物信号，指示心脏的节律和传导。生物信号是来自活生物体的随时间变化的可测量量。从工程角度来看，心电图是一个出色的研究领域：它具有明确的波（P、QRS、T）、已知的生理范围和巨大的数据量。人工智能通过噪声消除、电波检测和心律分类为心电图提供了强有力的支持。在本单元中，我们将了解这些步骤、生理学确认，以及为什么最终诊断仍由医生决定。
让我们从一开始就明确一点：心电图模式可能会说“有可能发生心房颤动”；但这是一个警告，而不是诊断。 AI不诊断；医生与患者一起做出决定。
心电图处理链
步骤 1 — 信号采集和噪声消除。原始心电图；包括网络噪声（50/60 Hz）、基线漂移（随呼吸和运动的基线漂移）和肌肉伪影。滤波（带通滤波器）以及现代方法中基于人工智能的噪声消除可以减少这些失真。关键点：过滤也不应该删除真实信息；过度过滤可能会扭曲 ST 段，从而掩盖真正的缺血。
第 2 步 — 波浪检测（描绘）。该模型检测 P 波、QRS 波和 T 波。最基本的输出是R峰值检测；连续 R 峰值之间的距离（R-R 间隔）给出心率和节律规律。
步骤 3 — 特征提取。计算 R-R 间期、QT 持续时间、ST 水平、波形形态等特征。这些既充当临床解释又充当模型输入。
步骤 4 — 节律/异常分类。该模型建议进行心房颤动、室性早搏或正常窦性心律等类别。输出是标签和置信度分数。
第 5 步 — 医生评估。该建议连同临床背景（症状、药物、病史）一起提交给医生。诊断属于医生。
生理范围：快速验证锚
ECG 中的数量级控制非常强，因为生理范围很明确：
- 静息心率：50-100 次/分钟（运动员可能会降至 40 次）。
- 正常QRS时限：80-120毫秒；较宽的 QRS 表明传导延迟。
- 校正 QT (QTc)：成人大约 350-450 毫秒；超过 500 毫秒可能会很危险。
- P 波出现在每个正常 QRS 波之前。
如果模型给出的心率为 250，则要么存在真正的快速心律失常，要么噪声已被计为 R 峰值（重复计算）。如果不查看原始信号，您就无法做出这种区分。这就是验证规则发挥作用的地方。
三个迷你案例：从数字来看
案例 1 — 模仿心律失常的神器。在对一名患者进行监测时，模型发出了持续 3 分钟的“室性心动过速”警报。当检查原始信号时，可以看到患者正在刷牙，并且肌肉伪影模仿了 QRS。生理合理性（患者此时无症状且稳定）和原始信号检查解决了误报。模型发出警告，原始信号已纠正。
情况 2 — 扫描速度。一家心脏病诊所正在审查 24 小时动态心电图记录（便携式连续心电图）；平均每次录音 20 分钟。 AI 预标记通过突出显示可能发生的事件，将审阅时间缩短至 7 分钟。该模型不会自行关闭任何事件；技术人员和心脏病专家检查了每个迹象。
情况 3 — 重复计算错误。对于 T 波较高的患者，模型还将 T 波计为 R 峰值，报告的心率是实际值的两倍（大约 300，而不是 150）。数量级检查——“300 bpm 不是一个可持续的节奏”——立即暴露了错误，并且 R 峰值阈值得到了纠正。
弱提示/强提示
注意：以下提示有助于解释心电图报告/参数文本；原始心电图诊断是经过验证的设备和医生的工作。
弱提示：
看看这些心电图值，病人发生了什么？[值]
强力提示：
您的角色：您是心脏信号分析助理（您不是诊断）。评估以下匿名 ECG 参数：- 将每个参数与其正常范围进行比较（HR、PR、QRS、QTc）。- 标记超出范围的值，但不进行诊断。- 记录值可能是由于伪影造成的情况（“重复计数怀疑”）。- 最后，列出医生应在原始信号中确认的 3 点。匿名参数：[HR、PR、QRS、QTc、心律标签]
四个可复制模板
1）参数范围控制：
将以下心电图参数与正常成人范围进行比较，并将偏差制成表格。不要诊断。参数：[列表]
2) 伪影怀疑消除：
这个节奏标签和心率在生理上合理吗？如果不是，请解释它可能模仿的是哪个工件（双重计数、肌肉、基线）。数据：[值]
3）动态心电图概要：
按事件类型对以下匿名动态心电图事件列表进行分组，以生成频率表。将每个组标记为“高/低心脏病专家优先级”并让他决定。列表：[事件]
4）QT安全说明：
将 QTc 与成人阈值进行比较；如果超过 500 毫秒，请起草医生警告说明，提醒您需要药物和电解质控制。值：[QTc]
模型的角色：按任务类型
任务类型
人工智能贡献
关键性
验证
噪声去除/预处理
高
低
原始信号比较
R波峰/波检测
高
中等
生理范围
节奏预排序
高
高
医生+原始信号
动态心电图事件优先级
高
中等
心脏病专家评论
诊断/治疗决定
有限
非常高
获得医生的充分批准
提示：在相信心电图模式的输出之前，请务必查看原始信号。在心脏人工智能中，绝大多数错误都是由模仿真实波形的伪影引起的，而这仅在原始迹线中可见。
注意：过度过滤会产生表面上“干净”的信号，但可能会擦除 ST 段等诊断关键细节。信号看起来清晰并不意味着信号正确；过滤器设置应经过临床验证。
常见错误
- 无需查看原始信号即可信任标签。伪影模仿心律失常；这是最常见的错误来源。
- 过度过滤。诊断信息也可能与噪声一起被删除。
- 忽略重复计算。高 T 波可使心率加倍；数量级反映了这一点。
- 将消费者设备数据误认为临床数据。单通道智能手表 ECG 不能替代 12 导联诊断 ECG。
- 误将模型用于诊断。该模型警告；心律诊断和治疗属于医生。
总之
- ECG 工作流程包括噪声去除、波检测、特征提取和节律分类。
- 生理间隔（HR、QRS、QTc）是强大且快速的验证锚。
- 大多数错误的产生是因为伪影模仿了真实的波。原始信号控制是必须的。
- 过度过滤可能会删除诊断信息；干净的信号并不意味着正确的信号。
- 节奏标签是警告；诊断和治疗决定属于医生。
应用任务
准备心电图参数集（HR、PR、QRS、QTc、心律标签），并故意在其中插入非生理值（例如 HR 280）。让模型使用强大的提示进行评估，并观察模型是否将此值标记为可疑伪影。那么“哪个锚点（生理范围或原始信号）捕获了这个错误？”用一段话回答问题。
清单
- [ ] 我知道心电图处理链的噪声去除、检测、特征和分类步骤。
- [ ] 我可以使用基本生理范围（HR、QRS、QTc）作为验证锚点。
- [ ] 我意识到伪影模仿心律失常，原始信号控制至关重要。
- [ ] 据我了解，过度过滤可能会删除诊断信息。
- [ ] 我内心认为心律标签是一个警告，诊断仍由医生决定。