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（k NN）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。
分类：期刊> 自然科学与工程技术> 医药卫生科技> 生物医学工程
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
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
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
