
要約
本研究は、心不全(Congestive Heart Failure: CHF)の自動予測を電気生理学信号(Electrocardiography: ECG)の解析を通じて行うことを目的としています。新しい機械学習手法である正則化ヘッセンベルグ分解に基づく極限学習機(Regularized Hessenberg Decomposition based Extreme Learning Machine: R-HessELM)と特徴モデル;平方エントロピー測定、円形エントロピー測定、傾斜エントロピー測定、および格子エントロピー測定を導入し、CHFの予測に使用しました。本研究では、傾斜エントロピー測定がECG信号の特性を良好に表現することを証明し、R-HessELM手法との組み合わせで全体的な精度98.49%を達成しました。