초록
본 연구는 전기 심장도(ECG) 신호를 분석하여 혼합성 심부전(CHF)을 자동으로 예측하는 것에 초점을 맞추고 있습니다. 본 연구에서는 새로운 머신 러닝 접근 방식인 규제화 헤센베르크 분해 기반 극한 학습 기계(R-HessELM)와 특징 모델; 제곱 엔트로피 측정, 원형 엔트로피 측정, 경사 엔트로피 측정 및 격자 엔트로피 측정을 소개하고 이를 CHF 예측에 활용하였습니다. 이 연구는 경사 엔트로피 측정 특징이 ECG 신호의 특성을 잘 표현하며, R-HessELM 접근 방식과 함께 전체 정확도 98.49%를 달성함을 입증하였습니다.