-
题名一种用于自动体外除颤器的可电击复律心律检测算法
被引量：1
- 1
-
-
作者
刘聪
宋海浪
邬小玫
方祖祥
-
机构
上海复旦大学信息科学与工程学院
-
出处
《中国医疗器械杂志》
CAS
2009年第5期320-322,共3页
-
基金
上海重点学科建设项目
编号:B112
-
文摘
本文介绍了一种标准化斜率绝对值标准差算法,用于判断ECG中的心室纤颤(VF)和心动过速(VT)。使用被广泛认可的CU Database和AHA Database库对算法的灵敏性、特异性、正向预测率、正确率及计算时间等指标进行了测试,并与其它两种算法进行了对比,结果显示该算法具有很好的分类性能和更短的计算时间。
-
关键词
可电击复律心律
自动判别算法
自动体外除颤器
-
Keywords
shockable rhythm, automatic detection algorithm, automated external defibrillator（AED）
-
分类号
R318.6
[医药卫生—生物医学工程]
-
-
题名基于ECG的可电击复律心律自动判别算法研究
- 2
-
-
作者
郑越
侯星宇
邬小玫
-
机构
上海复旦大学信息科学与工程学院
-
出处
《中国生物医学工程学报》
CSCD
北大核心
2023年第5期572-582,共11页
-
基金
国家自然科学基金(1171009,61801123)
上海市科委重点项目(2017SHZDZX01,16441907900)
上海市经信委工业强基项目(GYQJ-2018-2-05)。
-
文摘
体外自动除颤器(AED)是挽救心脏骤停(SCA)患者生命的重要设备。可电击复律心律自动判别算法(SAA)是AED的核心技术。本研究在构建包括8 s的2024段可电击复律心律(SHR)心电图(ECG)和7884段不可电击复律心律(NSHR)ECG数据集的基础上,提出了一种基于机器学习的SAA。首先提取ECG的时域、频域、复杂度相关的32个特征,经筛选得到6个有效特征;之后用支持向量机实现SHR和NSHR自动分类。根据500次按患者随机分组的实验,敏感度、特异性、准确率的均值±标准差分别为97.62%±0.18%、99.15%±0.04%、98.79%±0.08%。所提出的SAA符合美国心脏病协会对AED中SAA敏感度超过90%,特异性超过95%的要求,可作为AED算法模块进行SHR的自动判别。
-
关键词
可电击复律心律自动判别
心电信号
机器学习
特征提取
特征选择
-
Keywords
shockable advice algorithm
ECG
machine learning
feature extraction
feature selection
-
分类号
R318
[医药卫生—生物医学工程]
-
