基于心电图的模型用于检测左心室缩:一种机器学习方法
Marion Taconne1, Valentina D A Corino1,2, Luca Mainardi1
1Department of Electronics, Information and Bioengineering (DEIB)Politecnico di Milano 20133 Milano Italy.
IEEE open journal of engineering in medicine and biology
|December 19, 2024
概括
机器学习使用心电图 (ECG) 功能准确检测左心室缩 (LVH). 与传统的心电图标准相比,这种自动化方法显著提高了诊断灵敏度.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 左心室缩 (LVH) 是常见的,但目前的心电图 (ECG) 诊断标准具有较低的灵敏度.
- 需要更准确的方法来使用心电图数据检测LVH.
研究的目的:
- 开发和评估使用ECG提取特征和机器学习的LVH检测的自动化方法.
- 将机器学习模型的性能与 LVH 诊断的传统临床心电图标准进行比较.
主要方法:
- 使用来自PTB-XL和格鲁吉亚数据库的ECG数据,并自动提取特征.
- 机器学习模型 (逻辑回归,随机森林,SVM) 被训练在选定的心电图特征.
- 模型性能在单独的数据集上进行了评估,并与标准的临床LVH-ECG标准进行了比较.
主要成果:
- 机器学习模型,特别是随机森林和支持矢量机,实现了超过90%的准确性.
- 与临床标准 (最大38%) 相比,拟议的模型显示了显著提高的灵敏度 (超过86%).
结论:
- 使用机器学习和心电图功能的自动化LVH检测提供了比传统方法更好的诊断性能.
- 这种先进的方法有可能提高 LVH 诊断的临床实践.
更多相关视频
09:20Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction
Published on: February 13, 2021
6.4K
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
6.2K
