导 读
本研究运用机器学习模型（EfficientNet + DBN混合模型），对新型冠状病毒给心脏造成的长期影响展开研究并进行分类，旨在通过运用心电图图像来评估患者在康复之后心脏可能持续存在的损伤情况或发生的变化。
总结与展望
本研究聚焦于新冠后诸如肺纤维化、心脏骤停以及神经系统问题等健康问题，强调了对康复患者心脏相关疾病进行早期检测的必要性。尽管患者已经康复，但许多人忽视了新冠后的症状，这一情况极有可能致使后续潜在并发症的发生。为解决此问题，本研究提出基于 EfficientNet + DBN 的混合模型，用于借助心电图进行多层次疾病分类。未来研究工作将着重应用迁移学习技术，以进一步提升分类的准确率。
长按二维码看全文
Website：
https://www.sciencedirect.com/science/article/pii/S2950489924000216
DOI:
doi.org/10.1016/j.engmed.2024.100021
关于我们
期刊涵盖医工交叉领域的各个研究方向，旨在激励医学工程师帮助人类加深对疾病的理解，探索疾病的预防、诊断、治疗或监测的有效途径。期刊致力于成为临床医生、医学工程师和科研人员间的桥梁，为医工交叉领域的重大原创研究和综述提供高质量发表平台。
官方网站：
https://www.sciencedirect.com/journal/engmedicine
期刊投稿：
https://www2.cloud.editorialmanager.com/engmed/default2.aspx
创刊主编：
滕皋军（中国科学院院士、东南大学附属中大医院）
执行主编：
祁小龙（国家高层次人才、东南大学附属中大医院）
联系合作：
engmedicine@seu.edu.cn
撰稿：Mohammed Abdul Basith Ali Khan
排版：李登明
美编：天 天
