基于Relief算法的心血管疾病辅助诊断研究
本文关键词:基于Relief算法的心血管疾病辅助诊断研究 出处:《生物医学工程学杂志》2017年04期 论文类型:期刊论文
更多相关文章: 光电容积脉搏波 Relief算法 特征选择 k邻近算法 支持向量机
【摘要】:本文研究了Relief特征选择方法在光电容积脉搏波(PPG)中的应用,分析寻找区分心血管疾病的指标,提出了一种辅助心血管疾病诊断的方法。通过收集40位志愿者的生理病理信息,并实时采集血压与指尖PPG波形数据,形成样本数据集。基于PPG波形,定义并提取了52个特征参数,通过特征选择Relief算法筛选出10个核心特征参数,形成最优特征子集,并分析它们对心血管疾病的影响。最后使用分类算法建模,对心血管疾病做出了辅助诊断,k邻近算法(k NN)模型对心血管疾病的预测正确率达到66.67%,支持向量机(SVM)模型对心血管疾病的预测正确率达到83.33%。结果表明:(1)年龄对心血管疾病辅助诊断最为重要;(2)最优特征子集元素特征为心血管健康状况评价与预测提供了重要依据。本研究表明,经Relief算法选择得到的最优特征子集为心血管疾病辅助诊断提供了更高的准确性。
[Abstract]:In this paper, the application of Relief feature selection method in optoelectronic volumetric pulse wave (Relief) is studied, and the criteria for distinguishing cardiovascular diseases are analyzed. This paper presents a method to assist the diagnosis of cardiovascular disease by collecting the physiological and pathological information of 40 volunteers and collecting the blood pressure and finger tip PPG waveform data in real time to form a sample data set based on PPG waveform. 52 feature parameters are defined and extracted, and 10 core feature parameters are selected by feature selection Relief algorithm to form the optimal feature subset. Finally, the classification algorithm is used to model the diagnosis of cardiovascular disease. The accuracy of K-NN model in predicting cardiovascular disease is 66.67%. The prediction accuracy of SVM (support Vector Machine) model for cardiovascular diseases was 83.33. The results showed that age was the most important factor in the diagnosis of cardiovascular diseases. The element features of the optimal feature subset provide an important basis for the evaluation and prediction of cardiovascular health status. The optimal subset of features selected by the Relief algorithm provides a higher accuracy for the diagnosis of cardiovascular diseases.
【作者单位】: 桂林电子科技大学电子工程与自动化学院;桂林电子科技大学生命与环境科学学院;桂林市人民医院;
【基金】:国家科技支撑计划项目(2013BAI03B01) 国家自然科学基金(61627807,61271119) 广西物联网技术及产业化推进协同创新中心资助项目(WLW20060501) 桂林电子科技大学研究生教育创新计划资助项目(2016YJCXB01)
【分类号】:R540.4;TP274
【正文快照】: 引言脉搏作为医学上的四大生命体征之一,由心脏周期搏动引起中央动脉及外周动脉波动而形成。大量临床试验研究已证实,脉搏所反映出的形态(波的形状)、强度(波的幅值)、速率(波的速度)与节律(波的周期)等方面的信息变化能够作为评价人体心血管系统健康或疾病状态的关键依据[1]
【相似文献】
相关期刊论文 前10条
1 王增武,武阳丰;心血管疾病预测预报的方法[J];中国循环杂志;2000年03期
2 张伦;防治心血管疾病的“他汀革命”[J];今日科技;2000年11期
3 ;经食道超声心动图在心血管疾病中的应用——附606例分析[J];岭南心血管病杂志;2000年04期
4 杨志强;常规CT诊断心血管疾病48例体会[J];临床医学;2000年10期
5 静雨;;心血管疾病研究的进展和前景[J];国外医学情报;2000年05期
6 McFeiridge J ,王秀姝;妇女与心血管疾病[J];国外医学.护理学分册;2001年09期
7 Earl S,王远虹;社会关系和心血管疾病的危险因素[J];国外医学(社会医学分册);2001年01期
8 侯振江,张宗英;血管紧张素转化酶基因与心血管疾病[J];国外医学(临床生物化学与检验学分册);2002年05期
9 胡大一;组建心血管疾病防治的广泛联盟 构筑心血管疾病的全面防线[J];海南医学;2002年12期
10 袁志敏;;白介素-6与老年女性心血管疾病及死亡危险间关系初探[J];国外医学(老年医学分册);2002年01期
相关会议论文 前10条
1 李玉荣;;心血管疾病发生的危险因素与预防[A];全国内科护理学术交流暨专题讲座会议、全国心脏内、外科护理学术交流暨专题讲座会议、全国第8届糖尿病护理学术交流暨专题讲座会议、全国第8届血液净化护理学术交流暨专题讲座会议论文汇编[C];2010年
2 朱云云;潘伟民;;阻塞性睡眠呼吸暂停与心血管疾病的关系[A];2009香港-北京-杭州内科论坛暨2009年浙江省内科学学术年会论文汇编[C];2009年
3 曹虹;李先平;关雪;王敏;;血小板新型参数在心血管疾病中的临床价值[A];中华医学会第八次全国检验医学学术会议暨中华医学会检验分会成立30周年庆典大会资料汇编[C];2009年
4 林秋晓;刘秋琼;陈妙芬;李卫平;陈雅岚;;心血管疾病与抑郁相关性研究[A];2010年广东省药师周大会论文集[C];2011年
5 肖冬珍;;心血管疾病急性死亡50例分析[A];2000年全国危重病急救医学学术会议论文集[C];2000年
6 李菊花;;老年人心血管疾病的影响因素的分析[A];中国营养学会第五届老年营养学术会议论文摘要汇编[C];2002年
7 李小鹰;王洁;何耀;范利;;老年周围动脉硬化闭塞病患者心血管疾病的患病率[A];第七届全国老年医学学术会议暨海内外华人老年医学学术会议论文汇编[C];2004年
8 王英梅;;老年人心血管疾病猝死39例分析[A];第七届全国老年医学学术会议暨海内外华人老年医学学术会议论文汇编[C];2004年
9 王保森;张建国;;中西医结合防治心血管疾病初探[A];2005全国首届壮医药学术会议暨全国民族医药经验交流会论文汇编[C];2005年
10 马丽;;锌与心血管疾病研究进展[A];山东省微量元素科学研究会第三届学术研讨会论文汇编[C];2006年
相关重要报纸文章 前10条
1 北京安贞医院心内科副主任医师 乔岩;消极情绪易致心血管疾病[N];保健时报;2014年
2 记者 卞晨光;心血管疾病仍是人类死亡首要原因[N];科技日报;2008年
3 记者 蒋秀娟;中青年是心血管疾病重点预防人群[N];科技日报;2009年
4 记者 李天舒;华裔心血管疾病相对低发[N];健康报;2010年
5 刘涛;我市心血管疾病发病呈年轻化趋势[N];太原日报;2010年
6 记者 刘海英;飞机噪音或增加患心血管疾病风险[N];科技日报;2013年
7 记者 田雅婷;我国每10秒有一人死于心血管疾病[N];光明日报;2014年
8 记者 何建昆;心血管疾病预防重于治疗[N];科技日报;2006年
9 张东风;专家呼吁心血管疾病要重预防[N];中国中医药报;2007年
10 林春燕;心血管疾病并非老人“专利”[N];医药经济报;2007年
相关博士学位论文 前10条
1 张文娟;基于系统药理学方法的心胃同治分子机制研究[D];西北农林科技大学;2016年
2 陈海宇;激光成像技术诊断心血管疾病的实验研究[D];福建医科大学;2011年
3 刘彬;心电信号特征识别及其在心血管疾病诊断中的应用[D];吉林大学;2014年
4 杨颖;青少年心血管疾病危险因素分析和早期预警及干预研究[D];吉林大学;2012年
5 纪t煼,
本文编号:1402575
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1402575.html