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。

心血管病早期筛查的人工智能技术应用

根据《中国心血管病风险评估和管理指南》及《中国体检人群心血管病危险因素筛查与管理专家共识》等指导性文件,从心血管病危险因素的筛查与评估分层,心血管病低危、中危、高危人群早期筛查和普通人群自我筛查等几方面入手,对心血管病早期筛查人工智能技术应用的现状及展望进行综述。

基于心电动力学李雅普诺夫指数的急性心肌梗死辅助筛查研究

目的心电图作为常见的心脏疾病检测手段,是基于心电信号的状态信息表征进行诊断。心电图在指标量化方面依赖主观判断,若未发病时表征不明显,其用作急性心肌梗死等心脏疾病的筛查时敏感性存在不足。为寻求更好的途径,本文结合心电动力学理论和混沌学理论算法(即基于心电动力学李雅普诺夫指数的方法取得特征值进行指标量化)进行急性心肌梗死辅助筛查的研究。方法具体是截取心电信号的ST-T敏感段心电信号数字信号,依据确定学习理论将心电数据转化为更敏感的心电动力学数据,再运用混沌学理论计算心电动力学李雅普诺夫指数特征值,取得蕴含心电动力学敏感信息的量化指标,以30名健康人和30例急性心肌梗死患者作为对象进行验证性研究。结果急性心肌梗死患者的心电动力学李雅普诺夫指数特征值普遍高于健康人的心电动力学李雅普诺夫指数特征值,二者相比较差异具有统计学意义。结论基于心电动力学李雅普诺夫指数特征值的量化信息对于急性心肌梗死的辅助筛查具有潜在的临床价值。