利用输入阻抗预测体动脉狭窄的仿真研究

摘要

通过仿真验证动脉树输入阻抗预测动脉狭窄的可行性,为动脉狭窄的无创检测提供一种新方法。在已建立的55段人体动脉树分布式电网络模型的基础上,通过设定不同狭窄位置和狭窄程度的动脉段和输入阻抗的递归计算,建立具有多样性的输入阻抗仿真病例数据库。利用K近邻分类方法对动脉狭窄进行了十次交叉验证的分类预测。讨论了不同狭窄位置和不同狭窄程度对预测准确率的影响。预测结果表明：K近邻分类方法对动脉狭窄的平均准确率为89.5%,平均特异度为95.8%,平均灵敏度为85.4%;随着狭窄位置的离心距离的减少,总准确率从90%逐渐提高到95.5%;随着狭窄程度的增加,总准确率由约80%提高到99.4%。因此,利用人体动脉树的输入阻抗和K近邻分类方法预测动脉狭窄在理论上是可行的。