使用HRV多特征参数和机器学习的心衰诊断方法研究

摘要

心力衰竭是一种常见的严重心脏病,其诊断主要根据症状、体征及辅助检查等大量临床检查综合判断,昂贵又费时.而被广泛应用于各种心血管疾病诊断中的心电图具有无创、简便、经济等优点.心率变异性是从心电图中计算得到的逐次心跳周期的变化情况,是心血管疾病病情诊断及预防中一个有价值的指标.本研究选取心率变异性信号的时域分析、频域分析、非线性分析下14种参数作为多特征,使用机器学习中决策树、KNN、贝叶斯、SVM、随机森林等分类器,实现对心衰信号的识别.结果表明,模式识别方法均能有效检测心衰信号,其中,SVM方法准确率最高,可达98.81％,为自动诊断充血性心衰提供了一种有效的工具.