使用HRV 多特征参数和机器学习的心衰诊断方法研究
2021-10-26赵兴群
电子器件 2021年4期
张 敏,赵兴群
(东南大学生物科学与医学工程学院,江苏 南京 210096)
充血性心力衰竭(congestive heart failure,CHF)是一种常见的慢性心血管综合征,也称为心力衰竭,当心脏无法向人体中泵送足够的血液时,就会发生心衰[1]。CHF 的主要特征是心室收缩或舒张功能障碍,常见症状包括疲劳、呼吸困难、运动耐力低下和体液潴留等,进一步可导致内脏和肺部充血[2]。心衰是各种心脏疾病的严重表现或晚期阶段,死亡率和再住院率居高不下,中国心力衰竭注册登记研究(China-HF)显示,各年龄段心衰病死率均高于同期其他心血管病,七十岁以上人群患病率大于等于10%[3]。因此,研究心衰疾病的预防及诊断技术具有重要的价值和意义。目前,诊断心衰疾病主要根据症状和体征等综合分析判断,需要耗费大量的医疗资源及人工成本。对于不断增加的患者,需要研究一种便捷、快速且有效的检测系统来进行心衰诊断。
心电图(electrocardiogram,ECG)能够记录心脏电活动的变化情况,反映相关生理和病理信息,且具有无创、简便、经济等优点,已成为各种心血管疾病诊断中的必备基本诊断技术。与依靠医生经验直接通过心电图进行诊断相比,信号处理技术和生物医学分析方法的应用可以进一步提高诊断的可靠性。在过去的研究中,已经使用多种方法来通过ECG 信号检测CHF。Chen 等[4]使用稀疏自动编码器提取相邻两个R 波之间的间隔(RR 间期)的无监督特征,然后应用具有不同隐藏节点组合的全连接神经网络来检测心衰信号。……
登录APP查看全文
