蘇遂龍、林錦生、林嶔、李俊何、李孟璋、蘇玟、林芯褕、蘇澔、林孝庭、張雅涵、林品葳、邱羿竑

阻塞性肥厚型心肌病變(Hypertrophic Obstructive Cardiomyopathy, HOCM) 是一種患者心室中隔肌肉過度增厚，導致左心室出口通道狹窄或阻塞，其盛行率約為萬分之五，是青壯年常見的猝死死因之一。但因其平時多為無症狀個案，且其診斷流程需經心臟超音波檢查及資深心內專科醫師診斷，故不利於社區篩檢。故本研究目的為運用深度學習模型以輔助心電圖診斷阻塞性肥厚型心肌病變。本研究對象使用2008年至2022年間在三軍總醫院接受心電圖檢查的病例資料，隨機分派成訓練組、測試組及驗證組(60:20:20)，將心電圖訊號轉換為4096*12維度矩陣輸入運算，以二元交叉熵作為損失函數，透過反向傳播法逐層優化參數，於卷積層抽取特徵、池化層降維並保留重要的特徵、全連接層降維成一維向量，最終建立一個包含91層深的卷積神經網路模型，以訓練組資料進行深度學習模型的訓練，再以測試組進行參數調校，最後於驗證組中評估模型的性能表現，其準確度近9成，然而一般心電圖敏感度僅為5%。本系統為台灣第一個以心電圖發展阻塞性肥厚心肌病變輔助診斷系統，為即時、非侵入式之篩檢工具，可廣泛推廣至成人健檢、路跑活動及選兵醫學等運用，以降低猝死發生。