基于RR间期的阵发性房颤复发预测

摘要：房颤(AF)是临床上最常见的一种室上性心律失常,对患者危害大,及时利用医疗手段阻止房颤的发生或复发是房颤防治领域关注的焦点和难点。本文尝试利用4种方法对心电信号RR间期序列进行处理,统计不同指标在房颤发作前和远离房颤发作时期的变化,试图寻找能够预测房颤复发的因子。这4种方法分别是:功率谱分析、近似熵(ApEn)和样本熵(SpEn)分析、递归分析以及时间序列符号化。文中数据来源于阵发性房颤预测数据库。通过支持向量机(SVM)分类,评估4种方法的相关指标对房颤复发的预测效果。结果表明,递归分析中的各项参数综合使用达到的分类效果最佳,针对房颤复发预测能够达到95%的准确率;功率谱分析方法次之,准确率为90%;近似熵和样本熵分析、时间序列符号化的效果则不够理想,准确率均只有70%。本文结果说明,基于RR间期的递归分析和功率谱分析能够有效地评估心房混沌状态,对房颤复发预测有一定的参考价值。