一个新的心房动自动检测算法,基于集体学习和多特征歧视.
Xiangkui Wan1,2, Yizheng Liu1, Xiaoyu Mei1
1Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, 430068, People's Republic of China.
Medical & biological engineering & computing
|February 22, 2024
概括
一个新的算法,集体学习和多特征歧视 (ELMD),使用短心电图 (ECG) 信号准确检测心房动 (AF). 这种方法提高了可穿戴设备的检测效率.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 前庭动 (AF) 诊断需要长时间的心电图 (ECG) 数据,限制检测效率.
- 在简短的心电图记录中自动检测AF是一个重大挑战.
研究的目的:
- 提出一个新的算法,集体学习和多特征歧视 (ELMD),以有效识别和检测AF信号.
- 为了快速区分AF事件,使用短时间,单线心电图数据.
主要方法:
- 使用集体学习构建了一个BSK模型分类器.
- 检测到的ECG R波和细分信号到RR间隔.
- 从RR间隔中提取时间,频率和非线性特征,用于BSK模型的歧视.
主要成果:
- 在使用RR间隔的长期心电图数据中实现了>99%的AF检测特异性和准确性.
- 在测试心脏段时,达到>96%的灵敏度和准确性.
- 启用精确的AF事件识别,至少有四个心脏段.
结论:
- 该ELMD算法促进了实时和准确的AF检测.
- 这种方法适用于像可穿戴设备这样的低计算功率设备.
- 与AF检测的传统单模分类方法相比,显著改进.
更多相关视频
09:17High-Resolution Endocardial and Epicardial Optical Mapping in a Sheep Model of Stretch-Induced Atrial Fibrillation
Published on: July 29, 2011
14.8K
16:40A New Single Chamber Implantable Defibrillator with Atrial Sensing: A Practical Demonstration of Sensing and Ease of Implantation
Published on: February 28, 2012
26.2K
