基于经验模态分解与心电图的高血压自动检测中不同分割方式的比较
信号处理
2023-11-08 v3
摘要
高血压（HPT）是指心脏泵向身体的血液对动脉壁施加的压力达到可引发多种疾病的水平。每年，全球有大量生命因与HPT相关的疾病而丧失。因此，HPT的早期准确诊断至关重要。本研究旨在利用心电图（ECG）信号以最小误差自动检测HPT患者。研究收集了来自两个不同组的ECG信号。这些组分别由长度为五千和一万数据点的ECG数据组成。通过应用经验模态分解方法，从5层本征模态函数（IMF）信号导出熵测量值，用以评估HPT检测性能。基于从每个IMF提取的九个特征对所得性能进行比较。总之，采用5折交叉验证技术，使用决策树算法，在长度为五千和一万的ECG数据上分别取得了99.9991%和99.9989%的最佳准确率。这些卓越的性能结果表明该方法在辅助医疗专业人员识别HPT个体方面的潜在用途。
引用
@article{arxiv.2311.01142,
title = {Comparison of Different Segmentations in Automated Detection of Hypertension Using Electrocardiography with Empirical Mode Decomposition},
author = {Yunus Emre Erdoğan and Ali Narin and Walid Hariri},
journal= {arXiv preprint arXiv:2311.01142},
year = {2023}
}
备注
4 pages, 3 figures, 3 tables