相关实验视频
Updated: Jul 26, 2025
Non-invasive Assessment of Microvascular and Endothelial Function
Published on: January 29, 2013
对于识别心血管疾病的微循环特征参数的不确定性量化
Jianjun Yan1, Shiyu Cai2, Xianglei Cai2
1School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China; Shanghai Key Laboratory of Intelligent Sensing and Detection Technology, East China University of Science and Technology, Shanghai 200237, China.
穿戴式设备现在可以通过分析脉冲波来监测心血管健康. 机器学习模型准确地识别心血管疾病,在区分健康,高血压和冠心病状态时达到超过88%的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 心血管健康监测 监测心血管健康
- 医疗保健中的机器学习
背景情况:
- 心血管疾病是全球主要的死亡原因,但在很大程度上是可以预防的.
- 脉冲波分析提供了对心血管功能和疾病趋势的早期见解.
- 可穿戴设备正在出现,用于方便的长期移动健康监测.
研究的目的:
- 开发可穿戴设备,用于获取移动医疗保健的生理信号.
- 使用零维模型和优化算法量化微循环参数.
- 使用机器学习构建心血管参数的特征集,并使用机器学习识别疾病.
主要方法:
- 从323名健康个人和患者获得手腕和指尖脉冲波.
- 建立了一个指尖微循环血流模型,并使用粘液模具算法 (SMA) 量化参数.
- 在微循环参数上使用随机森林 (RF) 算法开发了一种心血管疾病识别模型.
主要成果:
- 随机森林 (RF) 算法展示了优越的分类性能.
- 该模型在识别心血管健康状况方面取得了超过88%的准确性.
- 具体准确率包括冠心病的95.51%,健康个体的92.11%,高血压患者的88.55%.
结论:
- 开发的可穿戴设备支持日常心血管疾病监测.
- 一个结合物理和机器学习模型成功量化了微循环参数,并确定了心血管疾病.
- 机器学习通过脉冲波分析为心血管健康监测提供了一种新的方法.
更多相关视频
12:28Quantification of Vascular Parameters in Whole Mount Retinas of Mice with Non-Proliferative and Proliferative Retinopathies
Published on: March 12, 2022
07:18Evaluation of Capillary and Other Vessel Contribution to Macular Perfusion Density Measured with Optical Coherence Tomography Angiography
Published on: February 18, 2022