该报纸（Wang Ming Reporter）由中国科学技术大学的教授Cen Yang撰写，在使用心电机电偶联机制和毫米毫米波的认知技术雷达的大量人群中，首次诊断出了高精度心房颤动和高精度细节的首次诊断。最近，相关的研究结果已发表在自然传播中。作为最常见的心律失常疾病之一，房颤不仅引起严重的临床症状，而且还严重威胁了患者的健康状况。尽管心电图是诊断心房颤动的金标准，但在早期阶段，房颤通常会出现无症状和间歇性发作。传统对硬心电图的监测仅10秒至几分钟。通常，它在发生并发症后被诊断出来，这使得患者失去了最佳治疗时间。便携式技术，例如动态ECG提供了连续监视的新方法，但是它们的接触检测属性使它们不方便地使用，并且在无症状的早期阶段很难应用。因此，如何在最初并发症发生之前实现早期诊断仍然是一个重要的临床挑战。研究人员在心电活动和机械运动模式之间建立了相关映射，并使用与世纪相关的心电图信号的性质来帮助神经网络识别房颤固有的异常机械可变性。该系统提供了一种检测方法，没有无接触式而非可操作的设备，该方法提供了类似于大规模临床验证中心电图诊断的检测性能。该系统在6258名受试者中进行了测试，结果表明检测的灵敏度达到0.844，特异性达到0.995。每天对27名受试者进行高RI的主动监测心房颤动的SK，该系统在临床诊断前成功识别了两名患有房颤的患者。此外，该系统可以在射频消融手术前后感觉到心房颤动发作的动态变化。这种卓越来自两个核的技术进步。研究人员为心脏机械信号提取的任务开发了一种专用的雷达信号处理算法。这可以以高精度捕获心脏的机械运动。通过知识转移技术和心脏机电耦合机制，您可以提取现有大型心电图数据库的诊断知识。用于训练人工智能模型，以准确识别房颤的内在机械运动模式。该系统旨在提供主动的房颤监测，而无需接触，操作和主动可以自然地融入日常生活的情景中，例如睡眠和工作，支持对所有心房颤动课程健康状况的监测。研究结果表明，这项技术有望将现有的诊断过程和对房颤的治疗转变为个性化和积极的管理策略，从而实现更有效的心血管健康管理。相关文档中的信息：https：//doi.org/10.1038/s41467-025-59482-y该报纸团队（Wang Min Reporter）由中国科学技术大学陈阳教授，是第一个基于心脏机电耦合机制使用基于毫米的波浪识别技术的报纸团队。
