%0 Journal Article
%T 基于 Relief 算法的心血管疾病辅助诊断研究
%A 刘桂勇
%A 梁永波
%A 谭少珍
%A 陈真诚
%J -
%D 2017
%R doi:10.7507/1001-5515.201609070
%X 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（kNN）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
%K 光电容积脉搏波
%K Relief 算法
%K 特征选择
%K k 邻近算法
%K 支持向量机
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.201609070