新的研究为心脏病患者提供了更有效的诊断方法

英国林肯大学的工程专家创造了一种新的算法，为心脏病患者提供了更有效的心电图诊断。这项研究改善了心电信号分类，改善了异常检测和诊断，并在最近在柏林举行的国际医学与健康科学会议上获奖。

来自英国林肯大学工程学院的Michael Gallimore在会议上发表了一篇论文，解释了他和同事如何创造了一种新的算法在对患者进行测试时，可以产生更准确的心电图(ECG)信号分类。

心电图是通过放置在病人身上的许多电极来记录心脏的电活动，心电图信号分类是一种公认的自动检测和诊断心脏异常的方法。这通常是通过降维、特征提取和应用各种机器学习算法对信号进行分类来实现的。然而，由于降维技术精度的变化，分析可能很困难。

林肯大学的团队，包括Chris Bingham教授和Mike Riley博士，提出了一种新的算法，可以更准确和紧凑地表示ECG信号，改进了信号类型的分类，改进了异常检测和诊断。

“自组织分段聚合近似”算法用于99名患有三种不同心脏疾病的患者的ECG数据。新算法能够根据信号类型选择最佳参数，以最大限度地提高分类率，并且通过正确分类19.7%的患者，显着优于标准系统。

加里莫尔说:“根据英国心脏基金会的数据，心血管疾病是英国人死亡的主要原因之一，占所有死亡人数的28%。能够提高心电信号的自动检测和诊断的分类率心脏病意义重大，可能会为患者带来更有效的治疗。”

---

---