基于多模态特征耦合的阵发性心房颤动预测方法

作     者：李永建 刘磊 陈蒙 李逸学 王雨辰 魏守水 LI Yongjian;LIU Lei;CHEN Meng;LI Yixue;WANG Yuchen;WEI Shoushui

作者机构：山东大学控制科学与工程学院济南250061 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2025年第42卷第1期

页      面：42-48页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家自然科学基金(82072014) 

主　　题：房颤预测 多模态融合 特征选择 多中心数据 

摘      要：阵发性心房颤动(PAF)的风险预测是生物医学工程领域的难题。本研究综合了机器学习特征工程和深度学习端到端建模的优势,提出了基于多模态特征融合的PAF风险预测方法。同时,本研究使用了四种不同的特征排序方法和Pearson相关性分析来确定最优的多模态特征集合,并使用随机森林进行PAF的风险判断。本研究的方法在公开数据中达到了(92.3±2.1)%的准确率和(91.6±2.9)%的F1分数。在临床数据中达到了(91.4±2.0)%的准确率和(90.8±2.4)%的F1分数。提出的方法实现了多中心数据集的泛化并具有良好的临床应用前景。