心电动力学数据的近似熵量化方法检测心肌梗死的研究

目的研究将心电动力学数据的近似熵量化方法用于心肌梗死辅助检测手段的潜力。方法回顾性分析2018年6月至9月苏州科技城医院心内科室确诊的心肌梗死患者16例和经健康体检筛查的健康者16例的心电数据为研究资料。将心电动力学数据,以近似熵这种表达混沌体系不规则性的指标,处理获取量化值表达出系统的混沌特性,确认心电动力学数据的近似熵量化值对心肌梗死进行辅助检测的能力。结果心肌梗死患者的心电动力学数据的近似熵量化值和健康人的心电动力学数据的近似熵量化值比较,差异有统计学意义(P<0.05)。结论心电动力学数据的近似熵量化方法对于心肌梗死的检测具有一定的价值和应用潜力。

基于心电动力学离散特征与SVM模型的AMI早期筛查研究

目的以急性心肌梗死(AMI)患者和健康人的心电动力学(CDG)数据为基础,研究一种新早期筛查模型用以评估健康人群和AMI患者。方法训练集包括1500例AMI患者和1500名健康个体。在2000人中验证了SVM模型。测试无或有轻度症状的AMI患者的心电(ECG)信号,获取ECG信号的CDG数据,分析CDG数据的离散度特征,并基于支持向量机(SVM)建立早期筛查模型以评估健康人群和AMI患者。结果AMI患者CDG数据的离散度特征的定量值与健康个体存在显著差异,AMI患者的CDG数据比正常人的CDG数据混乱,支持向量机模型用于AMI诊断的准确性较高。结论基于心电动力学离散特征与SVM模型的AMI早期筛查方法的应用可以有效区分AMI患者和健康个体,该方法为AMI的早期筛查提供了辅助方法。

心电混沌信号特征C0复杂度与急性冠脉综合征的相关性

目的针对传统心电图状态信息表征方法所存在的心脏疾病特征提示的敏感性不足、指标量化依赖主观判断、病发期存在心电波形无明显改变等临床局限,探讨心电混沌信号特征C0复杂度与急性冠脉综合征(ACS)的相关性,以寻求更好的ACS辅助检测方向。方法以确定学习算法获取心电信号动力学数据,基于混沌学理论计算得出心电动力学数据的混沌特征指标C0复杂度,随机选择心电波形无明显改变的ACS患者30例和健康者30例的心电信号数据,对C0复杂度进行统计分析。结果ACS患者心电动力学数据的C0复杂度与健康人间的差异有统计学意义(P<0.001)。结论ACS患者与健康人群的心电动力学数据的C0复杂度差异有统计学意义,心电混沌信号特征C0复杂度可用于辅助检测ACS。

基于时间复杂度的急性冠脉综合征辅助筛查的研究

在混沌体系中,采用动力学特征量化指标进行心脏疾病的辅助诊断,具有更为准确和敏感的检测优势。鉴于时间复杂度可从时域上对混沌体系动力学轨迹的复杂程度进行分析,本文采集了16例的健康人和16例的急性冠脉综合征患者的心电动力学数据的时间复杂度进行混沌特性的验证性研究。实验结果表明,急性冠脉综合征患者的心电动力学数据的时间复杂度普遍低于健康人的心电动力学数据的时间复杂度;因此,时间复杂度的量化信息具有用于急性冠脉综合征的检测的价值。