利用机器学习通过心电图预测肺动脉高压
信号处理
2023-04-26 v1 机器学习
摘要
肺动脉高压（PH）是一种影响肺部动脉与心脏右侧的高血压病症（Mayo Clinic, 2017）。平均肺动脉压大于25 mmHg被定义为肺动脉高压。据估计，肺动脉高压确诊后5年生存率在无治疗时仅57%，而合并右心衰竭的患者若无治疗仅存活约1年（Benza et al., 2012）。鉴于该病的隐匿性，PH的早期检测仍是难题，导致治疗延迟。超声心动图目前用作PH诊断的筛查工具。然而，与超声心动图相比，心电图（ECG）作为一种更易获取、简便且经济高效的工具，在用于PH高危患者筛查方面研究较少。本项目的目标是创建一种神经网络模型，能够处理ECG信号并以置信概率检测PH的存在。我创建了稠密神经网络（DNN）模型，在可用训练样本上准确率达98%。未来步骤中，将用适用于时序数据的模型更新当前模型。为以恰当训练样本平衡数据集，我将使用数据增强技术生成额外数据。通过对PH等病症的早期准确检测，我们拓宽了检测慢性危及生命健康状况的创新空间，并降低相关死亡率与发病率。
引用
@article{arxiv.2304.12447,
title = {Predicting Pulmonary Hypertension by Electrocardiograms Using Machine Learning},
author = {Eashan Kosaraju and Praveen Kumar Pandian Shanmuganathan},
journal= {arXiv preprint arXiv:2304.12447},
year = {2023}
}
备注
19 pages, 5 figures