心房顫動（房顫）是一種常見的心律失常，可導致血栓形成并增加腦卒中甚至死亡的風險。針對臨床應用中疾病篩檢低假陰性率的需求，本文提出一種改進的低假陰性率卷積神經網絡。通過在交叉熵損失函數中引入正則化系數，差別對待陽性和陰性樣本的代價成本，使得網絡訓練時可加大對假陰性的懲罰。采用三甲醫院采集的包含 21 077 位受試者的患者間臨床數據集進行驗證，相對于傳統交叉熵損失函數，使用改進的損失函數可將假陰性率由 2.22% 降低至 0.97%，所選正則化系數可將靈敏度由 97.78% 提升至 98.35%，準確率 96.62% 亦較原來的 96.49% 有所提升。所提算法可在不犧牲準確率的前提下降低假陰性率，降低漏診可能性以免錯過最佳治療時期，可為其他疾病的臨床輔助診斷提供一種可變參數的損失函數。