通过CEPNCC-BiLSTM智能检测心房的方法,基于长期光电脉冲图数据

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 心血管诊断心血管诊断服务

背景情况:

• 心房动 (AF) 是最常见的心律失常,通常无症状,造成诊断挑战.
• 传统的AF检测方法与AF的间歇性质作斗争,导致潜在的误诊.
• 现有的AF检测评估系统缺乏对速度和准确性的全面评估.

研究的目的:

• 开发一种智能方法,用于准确和高效的AF检测和诊断.
• 引入一个新的评估系统,即ET-score,用于全面的绩效评估.
• 为了提高AF的检测,使用光电显微镜 (PPG) 信号.

主要方法:

• 整合互补集体实证模式分解 (CEEMD),功率规范化 Cepstral 系数 (PNCC) 和双向长期短期记忆 (BiLSTM) 网络.
• 使用光电体积脉冲波技术来获取信号.
• 开发ET-score,包括F-测量以评估效率和准确性.

主要成果:

• 拟议的CEPNCC-BiLSTM方法显示出更高的预处理效率和更高的AF检测灵敏度.
• 该方法有效地过了非AF PPG记录中的错误警报.
• 在5秒的处理时间内在AF检测中达到高达99.2%的准确性.

结论:

• CEPNCC-BiLSTM方法在AF检测准确性和速度方面取得了显著的进步.
• ET-score提供了对AF检测系统性能更全面的评估.
• 这种方法对实时,长期监测心房动有很大的潜力.