利用人工神经网络对缺血性心脏病进行新型分类
信号处理
2020-11-20 v1 机器学习
摘要
缺血性心脏病（IHD），尤其其慢性稳定型，是一种隐匿性病理，因其在发展为不稳定型心绞痛、心肌梗死或心源性猝死之前呈沉默表现。应用于从心率变异性（HRV）信号提取参数的机器学习技术，似乎是某些心脏病早期诊断的宝贵辅助手段。然而，迄今为止，IHD患者的识别是使用应用于有限数量HRV参数且仅针对极少受试者的ANN来完成的。在本研究中，我们将多种线性和非线性HRV参数应用于ANN，以在965例受试者大样本队列中确认这些结果，并识别哪些特征可高精度区分IHD患者。通过主成分分析与逐步回归，我们将原始17个参数缩减为5个，用作一系列ANN的输入。使用meanRR、LFn、SD1、性别和年龄参数及两个隐藏神经元取得了82%的最高准确率。
引用
@article{arxiv.2011.09801,
title = {Novel Classification of Ischemic Heart Disease Using Artificial Neural Network},
author = {Giulia Silveri and Marco Merlo and Luca Restivo and Gianfranco Sinagra and Agostino Accardo},
journal= {arXiv preprint arXiv:2011.09801},
year = {2020}
}