# 伪彩色心电图图像提升AI心脏风险检测与解释能力

> 在心电图图像中加入临床设计的色彩图后，AUC从0.72升至0.9以上；在UK Biobank癫痫队列中，模型解释也更加稳定。

Oossa · 2026-11-10 · https://oossa.com/zh/pseudo-colour-ecg-images-boost-ai-heart-risk-detection-and-explanations

研究人员用单次心搏的心电图图像训练了两个结构相同的残差网络。其中一个网络接收经过伪彩色编码的图像：研究人员依据临床风险工具QT列线图，为QT间期下方区域填入相应颜色。仅使用颜色信息的模型在UK Biobank两次访视中的AUC分别达到0.903和0.914，而黑白模型的AUC则维持在0.72左右。在八种解释技术中，彩色输入都能更清晰、更稳定地定位QT间期的风险区域。

## 事实

- 彩色模型的AUC为0.903和0.914，黑白模型为0.719和0.720
- 研究发表于2026年11月10日

## 为什么重要

临床医生或许可以依赖与已知电生理学原理相符的AI心电图解释，从而更信任自动化风险评估。

## 来源与参考

1. [Clinically Informed Colour Encoding Improves the Localisation and Stability of Explanations in Deep Learning ECG Models: External Validation in a UK Biobank Epilepsy Cohort](https://arxiv.org/abs/2611.09971) – arXiv cs.CV, 2026-11-10

最后更新: 2026-11-10