基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病，该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法，可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊。算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割；根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征；依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别；使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证。实验结果表明，加入胸痛中心真实临床数据后，基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72%，精度达到99.53%，灵敏度达到100.00%，同时F1-Score达到99.76。该算法比其他现有算法准确率提高至少1%，该项研究具有非常重要的临床应用价值。     

基于决策树的听力损失致病基因筛查方法

确定出生缺陷高危致病基因类型,推进遗传性疾病早期筛查和生育指导,对于先天性听力损失等出生缺陷的一级预防具有重要意义。本文采用通用数据挖掘工具,应用其决策树算法分析了近千例GJB2基因突变检测的临床数据,建立了听力出生缺陷的致病基因辅助筛查模型。通过研究模型树的结构和样本分类结果,发现模型树中有5组分支获得了纯净的听力损失阳性样本。此外,每个分支构成的基因位点的状态集合与临床研究证实的致病基因突变状态相一致。该决策树方法建立的筛查模型可以协助医生从临床大数据中快速筛选出致病基因的类型。     

非接触式呼吸与心率信号采集系统

为实现卧床病员生命状态的无感实时监测,设计了一种非接触式呼吸率与心率监测系统。首先,根据心脏射血收缩过程的力学特性,选择灵敏度高、稳定性好的压电陶瓷传感器采集心冲击力学信号。对信号进行去噪,滤波放大等处理,通过数字化采集得到心冲击图(Ballistocardiogram,BCG)。其次,通过对心冲击图进行平滑滤波提取呼吸信号,利用快速傅氏变换(FFT)获取呼吸信号频率。采用带通滤波器去除BCG信号的呼吸包络以及高频干扰,获取BCG信号的单位时间J波波峰数,推算出心率值。最后,为验证系统的准确性与一致性,与BIOPAC采集的呼吸及心电图(Electrocardiogram,ECG)信号进行比对,结果表明本系统呼吸误差率小于4.5%,心率误差率小于9.7%。通过BlandAltman分析,表明监测系统的心率测算准确度与BIOPAC具有较好的一致性。