基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特...基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特征子集,输入支持向量机识别HRV类型,预测PAF发作。经50例时长5 min HRV序列集的五折交叉验证,得到最优预测结果为:准确率98%,敏感性100%,特异性96%,性能表现优越。另外,实验表明远离和紧随PAF时的HRV复杂性特征值在不同频率段内,分别具有不同的显著变化(P<0.05),反映受试者神经系统调节心脏节律改变,以及调控机体、应激等适应外界环境变化能力的下降。展开更多
文摘基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特征子集,输入支持向量机识别HRV类型,预测PAF发作。经50例时长5 min HRV序列集的五折交叉验证,得到最优预测结果为:准确率98%,敏感性100%,特异性96%,性能表现优越。另外,实验表明远离和紧随PAF时的HRV复杂性特征值在不同频率段内,分别具有不同的显著变化(P<0.05),反映受试者神经系统调节心脏节律改变,以及调控机体、应激等适应外界环境变化能力的下降。