基于年龄的心电图贝叶斯分类器的改进医学应用中的分类

摘要：根据患者心电图提取的信息，按年龄对患者进行分类。发展和比较贝叶斯分类器的性能。方法和材料：我们提出了一种根据从心电图信号中提取的统计特征对患者进行分类的方法遗传进化的贝叶斯网络分类器。连续信号特征变量通过阈值转换为离散符号形式降低信号的维数。这简化了分类器条件概率表的计算，并使表更小。提出并比较了两种基于数据的网络发现方法：一种是贪婪爬山搜索法，另一种是基于贪婪爬山搜索法使用遗传算法的进化计算。结果与结论：进化后的贝叶斯网络的AUC值优于贪婪算法的两种网络和naıve贝叶斯分类器。贝叶斯分类器的进化方法可以用来进化贝叶斯从而确定感兴趣变量之间的依赖关系。这些依赖性被假定为不存在。贝叶斯分类器这样的分类器就可以用于医学应用中的诊断和预测目的。

关键词：进化贝叶斯分类器；基于心电图的年龄分类；混合软计算技术

1 简介

人的心脏是一个复杂的系统，在其心电图信号中揭示了许多有关其状况的线索（图1）。训练有素的医生能够识别患者心电图信号的模式，并将其作为诊断的基础_[1]，例如诊断心律失常_[2]、缺血_[3,4]或预测即将发生的心脏病_[5]。自计算机诞生以来，研究人员就一直在尝试开发各种医学应用的心电信号自动处理技术和算法_[6,7]，无论是作为独立应用还是作为医生的决策辅助。然而，由于嵌入在信号中的众多特征，很难识别ECG信号的模式。因此，研究人员一直致力于开发从心电图中提取信息以用于特定应用的特定技术。

本文证明了基于年轻和老年健康成人心电图特征进化贝叶斯网络分类器用于区分两组个体的适用性。如果该方法能够区分两个患者组，则可能尝试更复杂的分类问题，例如心脏病风险分层，与融合多种临床测量的传统方法相比，可能产生更好的准确性。心脏病是美国最大的杀手，每年在冠状动脉搭桥术后房颤上花费10亿美元_[8]，有大量的分类和风险分层问题需要解决。

图1.心电图（ECG）信号，显示QRS波、P波和T波

他的动机是通过使用生物心脏信号和其他患者数据，对患者风险分类进行彻底调查。

本文的其余部分结构如下：第2概述了医疗应用中处理心电信号的技术和算法，重点是涉及分类的应用；第3节概述了心电信号处理，包括本研究中使用的技术；第4节概述了网络结构发现技术，包括用于开发贝叶斯分类器的技术；第5节介绍了结果；第6节介绍了讨论；第7节总结了论文并提出了未来工作的方向。