MÔ HÌNH HỌC MÁY CHẨN ĐOÁN RỐI LOẠN NHỊP TIM SỬ DỤNG DỮ LIỆU HRV

Abstract

Bệnh tim mạch hiện là một trong những nguyên nhân gây tử vong hàng đầu trên toàn thế giới, do đó, việc phát hiện sớm và can thiệp kịp thời các bệnh lý tim mạch trở thành vấn đề cấp thiết. Trong bối cảnh này, theo dõi điện tâm đồ (ECG) được xem là công cụ quan trọng để đánh giá nhịp tim và phòng ngừa bệnh tim mạch (CVD). Với sự hỗ trợ của các phương pháp học máy, độ chính xác trong chẩn đoán rối loạn nhịp tim đã được cải thiện đáng kể. Bài báo giới thiệu một mô hình học máy hiệu quả để phân loại rối loạn nhịp tim dựa trên dữ liệu biến động nhịp tim (HRV). Nghiên cứu tiến hành khảo sát và so sánh các thuật toán học máy điển hình, điều chỉnh tham số tối ưu trên tập dữ liệu HRV được trích xuất từ bộ dữ liệu Chapman ECG 12 đạo trình. Phương pháp tối ưu nhất được lựa chọn dựa trên hiệu suất của mô hình thông qua các chỉ số đánh giá như độ chính xác, điểm F1, độ nhạy, khả năng thu hồi và độ đặc hiệu. Kết quả thực nghiệm cho thấy, mô hình đề xuất đạt độ chính xác trên 86% trong việc phân loại các loại rối loạn nhịp tim khác nhau. Các kết quả đạt được cho thấy tính khả thi của việc ứng dụng các thuật toán học máy tiên tiến trong chẩn đoán tim mạch, đồng thời mở ra tiềm năng ứng dụng trong các hệ thống chăm sóc sức khỏe từ xa và giám sát sức khỏe cá nhân.