视频脉搏特征的非接触房颤检测

房颤的早发现对心脑血管疾病的预防至关重要。提出一种面部视频房颤检测方法。该方法通过人脸跟踪和集成经验模态分解从面部视频中提取脉搏信号,根据房颤发作时的脉搏特性,从视频脉搏信号中提取房颤判别特征。设计一种改进的递归特征消除特征选择方法,筛选出对房颤检测较重要的特征,基于以上特征采用机器学习方法实现房颤检测。在采集的122例房颤病人和139例正常窦性心律面部视频上实验,最优特征为相邻RR间期大于50 ms的心搏百分比(PNN50)、RR间期的最大值(maxRR)、庞加莱图水平半径(SD2)等。基于以上最优特征集,房颤检测的准确率为92.31%,特异度是90.24%,灵敏度是94.59%,AUC是0.920 5。