基于机器学习心肌梗死患者的心磁信号诊断

• 作者: 赵永鹏 朱俊杰
• 来源期刊: 软件工程
• 关键词: 心磁数据 电流密度图 机器学习 心肌梗死 结合学习
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 方法与技术|Method & Technology
• 页码范围: 2-6
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2021.010.001

摘要

使用机器学习方法对心磁数据样本有无疾病进行诊断分类.首先从心磁数据中提取除极阶段(TT间隔)的数据构建磁场图,然后求解电流密度图,从电流密度图中提取相关的磁场特征.针对非平衡数据分类问题,分别使用样本加权的SVM、LR、KNN、Adaboost和XGBoost五种学习模型进行训练,在此基础上设计了使用加权的LR和KNN为初级学习器、SVM为次级学习器的结合学习模型对样本数据进行训练.采用结合学习模型对73名非患者和47名心肌梗死患者的36通道心磁数据进行实验,结果显示该模型对样本不均衡的心磁数据分类有较好的效果.