VFPred：融合信号处理与机器学习技术从 ECG 信号中检测心室颤动
机器学习
2019-03-13 v3 信号处理
机器学习
摘要
心室颤动（VF）是最危险的心律失常之一，可导致心脏骤停。因此，人们开发了多种从心电图（ECG）预测 VF 的算法，这是一个二分类问题。在文献中，我们发现许多基于信号处理的算法，在对信号进行稳健的数学运算后，依据单一数值上的预定义阈值给出判定。另一方面，文献中也报道了一些基于机器学习的算法；然而，这些算法仅简单组合若干参数并将其作为特征进行预测。两种方法各有优劣；因此我们的动机是将二者融合以兼取所长。为此我们开发了 VFPred，其除采用信号处理流水线（即经验模态分解与离散时间傅里叶变换）进行有用特征提取外，还使用支持向量机进行高效分类。VFPred 是一种鲁棒算法，即便仅从长达 5 秒的短信号中也能以同等置信度成功区分两类（灵敏度 = 99.99%，特异度 = 98.40%），而现有方法虽需更长信号，却常在一类上表现良好而在另一类上失败。
引用
@article{arxiv.1807.02684,
title = {VFPred: A Fusion of Signal Processing and Machine Learning techniques in Detecting Ventricular Fibrillation from ECG Signals},
author = {Nabil Ibtehaz and M. Saifur Rahman and M. Sohel Rahman},
journal= {arXiv preprint arXiv:1807.02684},
year = {2019}
}