基于改进的量子遗传算法和自适应差异进化优化反向传播神经网络的融合,基于心肌炎的自主检测
Lei Wu1, Shuli Guo1, Lina Han2
1National Key Lab of Autonomous Intelligent Unmanned Systems, School of Automation, Beijing Institute of Technology, Beijing, China.
Health information science and systems
|August 4, 2023
概括
这项研究引入了一种人工智能驱动的方法,用于使用心电图信号检测早期心肌炎. 这种新的方法可以准确地识别心脏损伤,改善患者的治疗结果和生存率.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 肌心炎是一种病毒引起的心脏损伤,可以导致心律失常,影响患者的生存.
- 早期和准确诊断心肌炎对于及时治疗和改善结果至关重要.
- 目前的诊断方法可能缺乏用于立即干预所需的速度和可靠性.
研究的目的:
- 开发一种新的自主检测策略,使用心电图信号检测心肌炎.
- 通过先进的算法,提高心肌炎诊断的准确性和效率.
- 评估算法在将心肌炎与其他心血管疾病分类方面的表现.
主要方法:
- 利用改进的量子遗传算法 (IQGA) 来从心电图和心率变化 (HRV) 中获得最佳特征提取.
- 采用了自适应差异进化 (ADE) 算法来优化回传播神经网络 (BPNN) 用于心电图信号分类.
- 使用二进制和多类方法对五种类型的心电图信号进行分类:正常,异常,心肌炎,心肌梗塞 (MI) 和先前心肌梗塞 (PMI).
主要成果:
- IQGA和ADE-BPNN的组合显著提高了自主心肌炎诊断的精度和准确性.
- 人力资源价值分析证实了开发的方法的稳定性.
- 该分类工具表明,它能够在肌心炎患者的症状恶化前一周检测病毒感染.
结论:
- 拟议的IQGA和ADE-BPNN模型为心肌炎的自主诊断提供了一个高度有效的策略.
- 这种人工智能驱动的方法显示了将其整合到重症监护病房和可穿戴监测设备以进行持续的心脏健康监测的希望.
- 该方法能够在早期发现心肌炎,甚至在症状出现之前,这代表了心血管疾病管理的重大进展.
