中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2012年
1期
1-6
,共6页
心率变异性%人工神经网络%充盈性心衰
心率變異性%人工神經網絡%充盈性心衰
심솔변이성%인공신경망락%충영성심쇠
人工神经网络是由大量并行工作的神经元组成的智能仿生模型,它在模式识别领域已经展示出了广阔的应用前景.鉴于单一心率变异性(HRV)指标所表达出来的信息具有片面性,很难用一个单一的指标来完全分类充盈性心衰(CHF)患者和健康人的不足.本研究提出联合HRV信号分析的时域、频域、非线性方法,选取多个指标作为诊断CHF的特征参数,以BP神经网络为分类器实现对充盈性心衰的诊断.经过10 000次的训练、验证与仿真测试,该网络模型对于全样本集的识别正确率最优高达99.14％,平均可达86.97％.结果表明:联合线性(时域、频域)以及非线性分析方法可以更全面地揭示心脏的动力学特征,从而提高充盈性心衰的诊断正确率.
人工神經網絡是由大量併行工作的神經元組成的智能倣生模型,它在模式識彆領域已經展示齣瞭廣闊的應用前景.鑒于單一心率變異性(HRV)指標所錶達齣來的信息具有片麵性,很難用一箇單一的指標來完全分類充盈性心衰(CHF)患者和健康人的不足.本研究提齣聯閤HRV信號分析的時域、頻域、非線性方法,選取多箇指標作為診斷CHF的特徵參數,以BP神經網絡為分類器實現對充盈性心衰的診斷.經過10 000次的訓練、驗證與倣真測試,該網絡模型對于全樣本集的識彆正確率最優高達99.14％,平均可達86.97％.結果錶明:聯閤線性(時域、頻域)以及非線性分析方法可以更全麵地揭示心髒的動力學特徵,從而提高充盈性心衰的診斷正確率.
인공신경망락시유대량병행공작적신경원조성적지능방생모형,타재모식식별영역이경전시출료엄활적응용전경.감우단일심솔변이성(HRV)지표소표체출래적신식구유편면성,흔난용일개단일적지표래완전분류충영성심쇠(CHF)환자화건강인적불족.본연구제출연합HRV신호분석적시역、빈역、비선성방법,선취다개지표작위진단CHF적특정삼수,이BP신경망락위분류기실현대충영성심쇠적진단.경과10 000차적훈련、험증여방진측시,해망락모형대우전양본집적식별정학솔최우고체99.14％,평균가체86.97％.결과표명:연합선성(시역、빈역)이급비선성분석방법가이경전면지게시심장적동역학특정,종이제고충영성심쇠적진단정학솔.
