自动心肌梗塞和胸痛检测使用二次衍生物的光聚发血学
Neha1,2, H K Sardana3, N Dahiya4
1Academy of Scientific and Innovative Research (AcSIR), Ghaziabad, India.
Physical and engineering sciences in medicine
|July 3, 2023
概括
这项研究引入了一种新的方法,采用光聚缩学 (PPG) 信号及其衍生物来检测心肌梗塞 (MI) 和心痛. 该方法在识别这些心脏病的过程中取得了很高的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 心脏病学 心脏病学
- 信号处理 信号处理
背景情况:
- 光电显微镜 (PPG) 设备越来越多地用于心脏监测.
- 对PPG用于心肌梗塞 (MI) 检测的研究有限,通过PPG检测心痛仍然是一个重要的研究缺口.
- 单独的PPG信号可能不足以准确检测心脏异常.
研究的目的:
- 开发和评估一种使用PPG信号及其第二衍生品检测心肌梗塞 (MI) 和胸痛的新方法.
- 引入一组新的形态特征,这些特征来自PPG信号,以提高诊断能力.
- 评估通过这些特征训练的前人工神经网络的性能,以识别心脏病发作和不稳定性胸痛 (UA).
主要方法:
- 从PPG信号及其第二衍生物中提取新的形态特征.
- 使用feed-forward人工神经网络进行MI和不稳定性胸痛 (UA) 的分类.
- 对非行医 (公共) 和行医 (自生成) 数据集的方法验证.
主要成果:
- 提出的方法实现了高性能指标:98%的准确性,97%的灵敏性和98%的特异性在公共数据库上.
- 在自行生成的门诊数据库中,该方法表现出强有力的结果,准确率为94%,灵敏度为94%,特异性为94%.
- 新一套形态特征被证明有效地检测MI和UA,具有显著的准确性.
结论:
- 拟议的方法利用PPG信号及其具有新型形态特征的第二衍生物,有效检测心肌梗塞 (MI) 和不稳定性心痛 (UA).
- 人工神经网络模型在不同数据集中显示出强大的性能,突出显示了这种方法在非侵入性心脏监测方面的潜力.
- 这项研究解决了基于PPG的心脏诊断中的一个关键缺口,为早期发现严重心脏疾病提供了一个有前途的工具.
