心房颤动:医学与技术综述
机器学习
2021-09-22 v1 计算机视觉与模式识别
信号处理
摘要
心房颤动(AF)是美国导致住院的最常见心律失常类型(希腊语 a-,丧失 + rhythmos,节奏 = 节奏丧失)。尽管有时 AF 无症状,但它会增加患者中风和心力衰竭的风险,并降低健康相关生活质量(HRQOL)。AF 相关照护每年耗费医疗系统 60 亿至 260 亿美元。AF 的早期发现与临床关注有助于改善患者症状与 HRQOL,并降低照护成本。然而,当前盛行的 AF 检测范式依赖于单一时间点记录的心电图(ECG),无法揭示症状与心脏节律或 AF 的关系。近十年来,由于健康监测器的普及和高性能计算机的出现,机器学习算法已被证明能有效从患者 ECG 中识别 AF。本文概述了 AF 的症状、诊断以及该领域研究的未来前景。
引用
@article{arxiv.2109.08974,
title = {Atrial Fibrillation: A Medical and Technological Review},
author = {Samayan Bhattacharya and Sk Shahnawaz},
journal= {arXiv preprint arXiv:2109.08974},
year = {2021}
}
备注
11 pages, 1 figure