首页 > 文献资料
-
基于极限学习机的左束支传导阻滞辅助诊断研究
左束支传导阻滞(LBBB)作为临床常见的一种心律失常,是左心室收缩功能减低、患者死亡率增加的标志;利用机器学习算法对其进行辅助诊断,将对LBBB早发现、早治疗起到积极的推动作用.然而,由于目前常用的支持向量机(SVM)等传统的机器学习算法容易产生局部优解,准确度有待提高,因此提出一种基于极限学习机(ELM)的LBBB辅助诊断算法.首先,利用小波进行心电信号预处理,包括基线漂移、肌电噪声及工频干扰的去除;接着,确定QRS波群与T波位置;然后,根据临床上LBBB患者比正常人的QRS波群持续时间延长等特点,建立融合时域、形态与能量3类特征的特征模型;后,利用该模型提取的特征集合,提出基于ELM的LBBB辅助诊断算法.此外,在MIT_BIH数据库中的5 000份ECG数据上进行实验验证,结果表明所提出的预处理与波形提取算法能有效去除噪声并提取QRS-T特征波;在LBBB的判别上,相比SVM算法、ELM算法的训练时间缩短了88.5％;同时,在准确率、灵敏度、特异度、LBBB检出率和正常人检出率的指标上,分别提升2.4％、5.4％、1.2％、3.6％和2％.因此,基于ELM的LBBB辅助诊断算法具有明显优势.
-
盆底超声智能识别及自动测量技术量化评价膀胱后壁脱垂的可行性研究
目的 探讨经会阴盆底超声智能识别及自动测量软件量化评价膀胱后壁脱垂的可行性.方法 采集170例受试者有效Valsalva动作的前盆腔超声动态图,并随机分为训练组和测试组各85例,离线标记训练组图像相关结构.运用机器学习算法对训练组图像上述标记进行分析得出识别规律,获得盆底超声智能识别及自动测量软件,应用该软件识别测试组图像,得出脱垂距离及相应分度.三位医生分别离线标记测试组图像相应结构2次,间隔时间至少2周.比较自动测量与手动测量测试组的结果差异.结果 通过学习训练组图像获得的软件能够识别出测试组图像相应标记,并且同一医生两次间脱垂分度结果一致性较高(κ : 0 .72～0 .78 ; ICC : 0 .980～0 .990) ; 3位医生两两间脱垂分度结果一致性较高(κ : 0 .65～0 .75 ; ICC : 0 .985～0 .992) ;盆底自动测量与手动测量的脱垂分度一致性较高(κ : 0 .63～0 .67 ;ICC :0 .967～0 .969 ;r :0 .936 ,0 .943 ,0 .936 ,均 P ＜0 .01).结论 盆底超声智能识别及自动测量软件可实现对图像结构的识别且量化评价膀胱后壁脱垂的可信度较高.
