广东省华南前沿科学研究院的研究团队在第九届生物医学工程与制药科学国际会议（ICBEPS2024）上发公开了一篇题为“使用预训练卷积神经网络模型进行RR间期洛伦兹图分类”的技术成果。

该成果的研究背景是心率变异性（HRV）和RR间期洛伦兹图是评估心脏健康的关键指标。其中洛伦兹图可以有效地描绘心率动态变化，但其分类方法存在挑战。当前，数学计算是主要的分类方法，但存在区域划分难度大、复杂模式难以处理等问题。卷积神经网络模型已被证明在许多问题上有效，但在洛伦兹图分类中的应用还相对较少。

研究团队提出了一种使用预训练卷积神经网络模型对RR间期洛伦兹图进行分类的先进方法，依据洛伦兹图的形态学特征对其进行分类。该方法旨在提高心律失常、心率衰竭等心脏疾病的诊断准确性和效率，并辅助性地应用于各种临床诊断环境中的心电图分析和解读。

研究团队使用了基于AlexNet结构的卷积神经网络模型与超参数优化算法，对经过预处理和增强的洛伦兹图数据集进行了七分类和十九分类任务的处理。具体地，在预处理阶段，本研究对原始图片进行预处理和增强，包括去除图片中的文字、参考线、边框，并将图片修改为黑白模式。在增强阶段，本研究仅使用小幅度旋转、高斯模糊、平滑等方式对数据集进行1:11增强。预训练阶段，我们将模型的输入调整为1281281。超参数调优阶段，采用Grid Search Enhanced with Coordinate Ascent方法针对Batch Size、Learning Rate和Epochs三个超参数进行调整，以获得该模型的最佳超参数组合。

所提出方法证明了预训练卷积神经网络，特别是AlexNet结构的卷积神经网络，在洛伦兹图分类任务中的效用。扩大数据集样本数量和探索更复杂的CNN模型结构有助于进一步的研究。本研究有助于开发准确有效的诊断工具，以应对紧迫的心脏健康挑战。

第九届生物医学工程与制药科学国际会议（ICBEPS2024）于2024年6月7日-9日在新加坡召开。本次会议旨在为从事生物医学工程和制药领域研究的专家、学者提供一个学习和交流的平台，共同促进生物医学及制药领域的学术进展。大会围绕会议主题进行论文征集与遴选，所有提交至本届会议的论文均会安排严格的同行评审。录用论文将通过国际学术会议集结发表，出版记录可在SCI期刊上查询，并由该SCI期刊出版社送交SCI检索。