Random Forest Algorithm Construction for the Diagnosis of Coronary Heart Disease Based on Echocardiography Video Data Streams (original) (raw)
Related papers
Innovative Biosystems and Bioengineering
Background. Machine learning allows applying various intelligent algorithms to produce diagnostic and/or prognostic models. Such models can be used to determine the functional state of the heart, which is diagnosed by speckle-tracking echocardiography. To determine the patient's heart condition in detail, a classification approach is used in machine learning. Each of the classification algorithms has a different performance when applied to certain situations. Therefore, the actual task is to determine the most efficient algorithm for solving a specific task of classifying the patient's heart condition when applying the same speckle-tracking echocardiography data set. Objective. We are aimed to evaluate the effectiveness of the application of prognostic models of logistic regression, the group method of data handling (GMDH), random forest, and adaptive boosting (AdaBoost) in the construction of algorithms to support medical decision-making on the diagnosis of coronary heart d...
Radioèlektronika, nanosistemy, informacionnye tehnologii, 2024
Определение оптимальной интеграции между функциями и классификаторами оказывает существенное влияние на производительность автоматических систем диагностики сердцебиения. Актуальность этого проявляется при работе с критически важными приложениями, которые содержат устройства с ограниченными ресурсами и требуют точных и быстрых классификаторов сердцебиения, чтобы помочь врачу поставить точный и быстрый диагноз заболеваний сердца. С целью решения этой задачи в данной статье представлен новый подход к выбору оптимальных характеристик сигнала ЭКГ путем использования радиочастотного классификатора (RF), следуя методу разделения сигналов ЭКГ между пациентами и следуя инструкциям Ассоциации по развитию медицинского инструментария (The Association for the Advancement of Medical Instrumentation, AAMI). Характеристики были выбраны на основе концепции "взаимного информационного ранжирования (Mutual Information Ranking, MIR)". Представленная структура является комплексной с точки зрения эффективного выполнения всех необходимых процессов, начиная от обработки цифрового сигнала ЭКГ, сегментации, извлечения признаков, выбора признаков и заканчивая классификацией ЭКГ. Результаты экспериментов показывают, что признаки, соответствующие нормализованной ширине QRS и нормализованным интервалам RR, являются наиболее влиятельными признаками в классификации сердечного ритма. Все тесты проводились с использованием реальных сигналов ЭКГ, взятых из базы данных "MIT-BIH" (MIT-BIH-ARR-DB) по аритмиям. Предложенная схема достигла следующих показателей F1: 91.02%, 73.17% и 98.04% по классификации желудочковых эктопических комплексов (V или VEB), наджелудочковых эктопических комплексов (S или SVEB) и нормальных комплексов (N или NB), соответственно. Общая точность составила 96.26%. Несмотря на свою относительную простоту и использование небольшого количества функций, предлагаемый подход превосходит большинство известных современных решений.
Экономика. Информатика, 2021
В работе рассматриваются модели потоков данных и этапы цифровой обработки сигналов в мобильном устройстве оперативного определения жизнеугрожающих состояний сердечно-сосудистой системы. Устройство считывает сигналы ЭКГ пациента и анализирует различные виды аритмий сердца. При обнаружении жизнеугрожающего состояния устройство формирует сообщение пациенту и передает данные ЭКГ на компьютер врача. Особенностью данного устройства является его персонификация и применение надежного выявления комплексов QRS за счет использования алгоритма анализа формы сигнала, основанного на методе Dynamic time warping. Благодарности: работа выполнена при финансовой поддержке гранта РФФИ, проект № 18-413-310002
Analysis of Heart Rate Variability Using Photopletismnographic and Electrocardiographic Signals
Innovative STEM Education
Heart rate variability (HRV) is a non-invasive marker for monitoring the physiological condition of patients and assisting in the diagnosis of cardiovascular disease. The aim of this study was to investigate the consistency between HRV parameters based on photoplethysmographic (PPG) and electrocardiographic (ECG) signals. Parameters from the linear analysis in the time domain were studied. The time domain indices are standardized and widely used to calculate HRV. These indices are statistical and geometric measurements. The statistical calculations of the successive heart rate intervals (RR interval series) are strictly interrelated (SDNN, SDANN, RMSSD, pNN50), while geometric measurements are based on TINN and HRVTi parameters. The ECG and PPG signals of a healthy individual were examined. The obtained results show a very good agreement between the HRV parameters obtained from the two types of signals. In view of this finding, it can be concluded that the PPG offers an alternative ...
Artificial neural networks in cardiology: analysis of graphic data
Bulletin of Siberian Medicine, 2022
Aim. To consider application of convolutional neural networks for processing medical images in various fields of cardiology and cardiac surgery using publications from 2016 to 2019 as an example.Materials and methods. In the study, we used the following scientific databases: PubMed Central, ArXiv, ResearchGate. The cited publications were grouped by the area of interest (heart, aorta, carotid arteries).Results. The general principle of work of the technology under consideration was described, the results were shown, and the main areas of application of this technology in the studies under consideration were described. For most of the studies, sample sizes were given. The author’s view on the development of convolutional neural networks in medicine was presented and some limiting factors for their distribution were listed.Conclusion. A brief overview shows possible areas of application of convolutional neural networks in the fields of cardiology and cardiac surgery. Without denying t...
Функціональна діагностика стану серцево-судинної системи в контексті сучасних інформаційних систем
Information and communication technologies, electronic engineering, 2021
Стаття висвітлює проблему забезпечення якості та достовірності функціональної діагностики стану серцево-судинної системи на основі контролю частоти серцевих скорочень. Викладено новий підхід до реалізації діагностичних процедур у режимі реального часу із застосуванням сучасних інформаційних систем, який уможливлює істотне підвищення їхньої ефективності. Запропоновано багатоканальну систему реєстрації частоти серцевих скорочень, призначену для неперервного вимірювання пульсу в режимі реального часу. Передбачено використання в складі багатоканальної системи сучасного інформаційного комплексу засобів електронно-обчислювальної техніки, що не тільки забезпечує отримання кількісних значень окремих параметрів, а й дає змогу вирішити широке коло діагностичних завдань під час дослідження серцево-судинної системи із високим рівнем достовірності. Обґрунтовано, що цим забезпечується усунення низки проблемних чинників процесу діагностики на основі технології інтегрування множинних функцій у єдин...
Врач и информационные технологии, 2019
Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры - шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало ограничения в точности прогнозирования. Машинное обучение дает возможность повысить точность прогнозирования сердечно-сосудистого риска за счет нелинейных взаимосвязей их более глубокой настройки между факторами риска и результатами заболеваний. Используя данные 2236 пациентов, нами была обучена модель по признакам, используемым в построении фрамингемской шкалы. Мы сравнили полученную модель и Фрамингемскую шкалу на точность прогноза сердечно-сосудистого события. Так, по ROC анализу для Фрамингемской шкалы показатели следующие: точность Accuracy: 70,0%, качество AUC: 0.59. При этом для модели, полученной с использованием машинного обучения, аналогичные показатели составили: Accuracy: 78,8%, AUC: 0.84. Таким образом, использование алгоритмов машинного обучения, включая алгоритмы глубокого обучения, могут значительно повысить точность прогнозирования сердечно-сосудистых рисков обученных моделей