2026年7月26日至30日，第48届IEEE医学与生物工程国际会议（IEEE EMBC 2026）在加拿大多伦多举行。东南大学仪器科学与工程学院刘澄玉教授团队围绕冠状动脉微血管功能障碍（CMD）无创检测开展的研究工作入选本届IEEE EMBC 2026 Student Paper Competition Open Finalist。
本届会议最终遴选出15篇Finalist论文，包括5篇地区候选论文和10篇面向全球遴选的Open Finalist论文。东南大学是本届Open Finalist名单中唯一来自中国大陆的高校，刘澄玉教授团队硕士生李雨亭做Oral报告，与来自麻省理工学院、多伦多大学、哈佛大学等高校的青年学者共同参加最终竞赛与学术交流。
入选论文标题
Dynamic Multi-Stage ECG Feature Fusion of Deep Learning and T-Wave Morphology for Coronary Microvascular Dysfunction Detection
论文第一作者为仪器科学与工程学院研一学生李雨亭，通讯作者为刘澄玉教授、赵娜博士后。该研究聚焦于冠状动脉微血管功能障碍的多阶段动态心电分析，通过融合深度学习特征与T波形态特征，分析心电信号在静息、药物负荷和恢复不同阶段之间的动态变化，为CMD无创辅助识别提供新的研究思路。
【图1. IEEE EMBC 2026 Student Paper Competition Open Finalist相关现场照片】
论文工作简介
冠状动脉微血管功能障碍是一类与心肌缺血密切相关的心血管功能异常。与典型阻塞性冠状动脉疾病不同，CMD患者可能并不存在明显的大血管狭窄，其异常主要表现为冠状动脉微循环调节功能受损，因此传统检查手段在早期筛查和动态评估方面仍存在一定局限。
心电图具有无创、便捷、可连续监测等优势，为CMD的功能性评估提供了新的可能。目前相关ECG研究通常关注单一时间点或单一生理阶段，而在药理负荷过程中，心肌电活动会经历由静息、应激到恢复的动态变化。CMD患者由于微循环调节功能受损，其动态电生理响应可能与健康人群存在差异。基于这一特点，研究提出了多阶段动态心电分析方法。分别提取静息、负荷和恢复阶段的深度学习表征特征以及T波形态特征，进一步构建不同阶段之间的差值和比值特征，用于刻画心电信号随生理状态变化的动态模式，并通过特征融合和机器学习实现CMD与健康受试者的分类。
研究结果表明，相较于单一阶段的静态心电特征，跨阶段动态变化能够提供更多与CMD相关的判别信息。该工作将CMD心电分析由“单阶段静态特征分析”进一步拓展至“多阶段动态变化分析”，为基于常规十二导联心电信号开展CMD无创辅助筛查提供了新的研究思路。
【图2.静息、负荷和恢复三阶段动态心电分析框架】
会议介绍
IEEE医学与生物工程国际会议（The Annual International Conference of the IEEE Engineering in Medicine and Biology Society，IEEE EMBC）是IEEE Engineering in Medicine and Biology Society（IEEE EMBS） 的旗舰国际会议之一，每届参会人数在2000-3000人，也是医工交叉领域具有广泛影响力的综合性国际学术会议。
会议涵盖生物医学信号处理、医学影像、心血管与神经工程、可穿戴健康监测、生物医学人工智能、康复工程、医疗机器人等多个医工交叉研究方向，为全球专家学者、临床研究人员和青年科研人员提供学术交流与成果展示的平台。
此次研究成果入选IEEE EMBC 2026 Student Paper Competition Open Finalist，是该团队在智能心电分析与心血管疾病无创检测方向持续研究取得的一项阶段性成果。
