基于心电动力学离散特征与SVM模型的AMI早期筛查研究

作者：胡伟; 刘赵阳; 罗显元^*

来源：中华养生保健, 2023, 41(07): 4-9.

• 急性心肌梗死
• 心电动力学数据
• 离散特征
• 支持向量机模型
• 早期筛查算法

目的 以急性心肌梗死（AMI）患者和健康人的心电动力学（CDG）数据为基础，研究一种新早期筛查模型用以评估健康人群和AMI患者。方法 训练集包括1500例AMI患者和1500名健康个体。在2000人中验证了SVM模型。测试无或有轻度症状的AMI患者的心电（ECG）信号，获取ECG信号的CDG数据，分析CDG数据的离散度特征，并基于支持向量机（SVM）建立早期筛查模型以评估健康人群和AMI患者。结果 AMI患者CDG数据的离散度特征的定量值与健康个体存在显著差异，AMI患者的CDG数据比正常人的CDG数据混乱，支持向量机模型用于AMI诊断的准确性较高。结论 基于心电动力学离散特征与SVM模型的AMI早期筛查方法的应用可以有效区分AMI患者和健康个体，该方法为AMI的早期筛查提供了辅助方法。

• 单位
  苏州大学; 常州市第七人民医院