AI动态心电异常识别：噪声抑制与伪差剔除

动态心电图（Holter）单次记录常达24小时、十万级心搏，而医生的复核时间大量消耗在噪声段与伪差上。医疗AI实验室近期把实验重点放在「信号质量分层 + 伪差剔除」这条前置链路，而非继续堆叠分类模型。

做法上，先按基线漂移、肌电干扰、电极脱落三类噪声为每段信号打质量分，低质量段不进入早搏判定，仅做标记留痕；再以多尺度卷积提取QRS形态特征，利用相邻心搏的节律一致性抑制单点伪差。输出结果不直接生成报告，而是给出可回溯的片段证据与置信度分级，供医生取舍。

要点：
· 阶段性数据：在某三甲医院脱敏的200例24小时记录上，片段级室性早搏检出灵敏度由0.86提升至0.93，每小时误报约由12次降至4次；房颤负荷估算与人工标注的平均偏差在可接受区间。
· 下一步：引入多导联融合与长时段节律事件聚合，并联合临床开展医生复核环节的小规模对照，重点观察阅图时间是否真正下降，而非仅提升离线指标。