中国科学院苏州生物医学工程技术研究所, 江苏苏州 215163
\确定出生缺陷高危致病基因类型, 推进遗传性疾病早期筛查和生育指导, 对于先天性听力损失等出生缺陷的一级预防具有重要意义。本文采用通用数据挖掘工具, 应用其决策树算法分析了近千例 GJB2基因突变检测的临床数据, 建立了听力出生缺陷的致病基因辅助筛查模型。通过研究模型树的结构和样本分类结果, 发现模型树中有 5组分支获得了纯净的听力损失阳性样本。此外, 每个分支构成的基因位点的状态集合与临床研究证实的致病基因突变状态相一致。该决策树方法建立的筛查模型可以协助医生从临床大数据中快速筛选出致病基因的类型。
临床大数据 听力损失 决策树 基因筛查 数据挖掘 \clinical big data hearing loss decision tree genetic screening data mining artificial intelligence 太赫兹科学与电子信息学报
2020, 18(4): 703
1 上海大学 机电工程与自动化学院, 上海 200072
2 中国科学院 苏州生物医学工程技术研究所, 江苏 苏州 215163
3 苏州大学 电子信息学院, 江苏 苏州 215006
为实现卧床病员生命状态的无感实时监测, 设计了一种非接触式呼吸率与心率监测系统。首先, 根据心脏射血收缩过程的力学特性, 选择灵敏度高、稳定性好的压电陶瓷传感器采集心冲击力学信号。对信号进行去噪, 滤波放大等处理, 通过数字化采集得到心冲击图(Ballistocardiogram, BCG)。其次, 通过对心冲击图进行平滑滤波提取呼吸信号, 利用快速傅氏变换(FFT)获取呼吸信号频率。采用带通滤波器去除BCG信号的呼吸包络以及高频干扰, 获取BCG信号的单位时间J波波峰数, 推算出心率值。最后, 为验证系统的准确性与一致性, 与 BIOPAC采集的呼吸及心电图(Electrocardiogram, ECG)信号进行比对, 结果表明本系统呼吸误差率小于4.5%, 心率误差率小于9.7%。通过Bland-Altman分析, 表明监测系统的心率测算准确度与BIOPAC具有较好的一致性。
非接触式 心率检测 呼吸率检测 Bland-Altman分析 non-contact heart rate detection respiratory rate detection bland-altman analysis
