基于IPSO-BP神经网络与BCG信号的冠心病预测分类研究

• 作者: 冒晓莉 周炳宇 孟辉 张加宏 李敏 石常龙
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: PVDF压电薄膜 心率 冠心病 IPSO-BP神经网络 预测分类
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 传感器研究
• 页码范围: 1379-1385
• 页数: 7页
• 分类号: TP274+.2
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2020.10.001

摘要

为了提高人体心脏健康监测的便利性和准确性,研究了基于PVDF压电薄膜的鞋垫式心冲击信号检测系统,首先实现了不同性别人群的心率采集,在此基础上提取心冲击信号波形中t(IJ)、t(IK)、Int(HK)和Int(BCG)特征向量作为IPSO-BP神经网络模型的输入,进而对冠心病进行了预测分类.通过与BP模型的评估对比得到IPSO-BP神经网络模型分类效果更佳,并以100组实验样本验证该模型对冠心病的预测分类具有较高的准确性,其正确率约为92％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冒晓莉		28	92	6.0	8.0
2	李敏		46	160	7.0	11.0
3	张加宏		45	188	8.0	11.0
4	孟辉		2	0	0.0	0.0
5	石常龙		1	0	0.0	0.0
6	周炳宇		4	0	0.0	0.0