基于心率变异性参数机器学习技术的缺血性心脏病识别
信号处理
2020-11-02 v1 机器学习
摘要
心脏疾病的诊断是一项艰巨任务，通常通过对患者临床数据的恰当检查来解决。近来，心率变异性（HRV）分析以及一些机器学习算法的使用，已被证明在诊断过程中是有价值的辅助手段。然而，迄今为止，缺血性心脏病（IHD）的诊断基于仅应用于体征、症状和序贯心电图及冠状动脉造影（一种有创工具）的人工神经网络（ANN），而实际上可能通过使用从 HRV（一种易于从心电图获得的信号）提取的参数以无创方式进行识别。在本研究中，243 名受试者（156 名正常受试者和 87 名 IHD 患者）的 18 项无创特征（年龄、性别、左室射血分数以及从 HRV 获得的 15 项）被用于训练和验证一系列具有不同输入和隐藏节点数的 ANN。最佳结果使用 7 个输入参数和 7 个隐藏节点获得，训练集和验证集的准确率分别为 98.9% 和 82%。
引用
@article{arxiv.2010.15893,
title = {Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability},
author = {Giulia Silveri and Marco Merlo and Luca Restivo and Beatrice De Paola and Aleksandar Miladinović and Miloš Ajčević and Gianfranco Sinagra and Agostino Accardo},
journal= {arXiv preprint arXiv:2010.15893},
year = {2020}
}