基于VF波形多特征参数的除颤成功率预测研究

目的:基于心室颤动(ventricular fibrillation,VF)波形构建电击除颤成功率预测模型,选择最佳的除颤时机进行电击除颤,以提高除颤成功率。方法:通过建立动物实验模型,测量动物室颤时心电数据,从时域、频域和相空间、联合域4个不同维度提取特征参数,选择4、8、10、12 s作为预测室颤时间长度,利用逻辑回归和支持向量机算法构建除颤成功率预测模型。采用5折交叉验证方式进行模型的训练和验证。结果:利用支持向量机算法,使用联合域参数构建模型,选择12 s作为预测时间窗口长度时,除颤成功率预测结果最佳,准确率为0.900,AUC为0.949。结论:利用机器学习算法,综合利用各维度特征参数,能够较好地对除颤成功率进行预测,可以为现场急救人员提供宝贵的辅助建议,提高救治的成功率。