换一批基于Relief算法的心血管疾病辅助诊断研究
Study on aided diagnosis for cardiovascular diseases based on Relief algorithm
摘要本文研究了Relief特征选择方法在光电容积脉搏波(PPG)中的应用,分析寻找区分心血管疾病的指标,提出了一种辅助心血管疾病诊断的方法.通过收集40位志愿者的生理病理信息,并实时采集血压与指尖PPG波形数据,形成样本数据集.基于PPG波形,定义并提取了52个特征参数,通过特征选择Relief算法筛选出10个核心特征参数,形成最优特征子集,并分析它们对心血管疾病的影响.最后使用分类算法建模,对心血管疾病做出了辅助诊断,k邻近算法(kNN)模型对心血管疾病的预测正确率达到66,67％,支持向量机(SVM)模型对心血管疾病的预测正确率达到83.33％.结果表明:①年龄对心血管疾病辅助诊断最为重要;②最优特征子集元素特征为心血管健康状况评价与预测提供了重要依据.本研究表明,经Relief算法选择得到的最优特征子集为心血管疾病辅助诊断提供了更高的准确性.
更多相关知识
关键词
光电容积脉搏波Relief算法特征选择k邻近算法支持向量机photoplethysmographyRelief algorithmfeature selectionk-nearest neighborsupport vector machine
栏目名称
DOI
10.7507/1001-5515.201609070
发布时间
2017-09-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家科技支撑计划（2013BAI03B01）
国家自然科学基金（61627807）
国家自然科学基金（61271119）
广西物联网技术
产业化推进协同创新中心资助项目（WLW20060501）
桂林电子科技大学研究生教育创新项目（2016YJCXB01）
- 浏览37
- 被引22
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
