您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览116 | 下载13

为了预测心脏骤停,应用小波变换和Adaboost算法建立心脏骤停预测模型.首先用小波变换方法对正常窦性心律心电数据和有心脏骤停症状患者的心电数据进行分析、提取特征值,再用Adaboost算法对两种数据进行分类来预测心脏骤停的发生.实验验证,本模型分类预测效果较好,在心脏骤停发生前5 min,其预测精度高达97.56

作者:刘光达;王永祥;蔡靖;王伟;刘忠民

来源:生物医学工程研究 2017 年 36卷 2期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:116 | 下载:13
作者:
刘光达;王永祥;蔡靖;王伟;刘忠民
来源:
生物医学工程研究 2017 年 36卷 2期
标签:
心脏骤停 小波变换 Adaboost 预测 特征选择 Sudden cardiac arrest Wavelet Transform Adaboost Predict Feature selection
为了预测心脏骤停,应用小波变换和Adaboost算法建立心脏骤停预测模型.首先用小波变换方法对正常窦性心律心电数据和有心脏骤停症状患者的心电数据进行分析、提取特征值,再用Adaboost算法对两种数据进行分类来预测心脏骤停的发生.实验验证,本模型分类预测效果较好,在心脏骤停发生前5 min,其预测精度高达97.56