SVM机器学习如何提升心电图左室肥厚诊断准确率？2020临床研究详解

支持向量机（SVM）方法已被多项研究用于探讨心电图左室肥厚（ECG LVH）与超声心动图评估的左室肥厚（LVH）之间的关系。林和刘对2196名年龄在17至45岁之间的军人的心电图数据应用了SVM方法，并将其作为机器学习（ML）方法（Lin & Liu, 2020）。他们不仅考虑了心电图QRS电压，还考虑了心率、P波、PR间期、QRS间期、QT间期和QTc间期的持续时间以及P波、QRS波和T波的轴向。他们还纳入了三个临床变量——年龄、身高和体重（Lin & Liu, 2020）。他们的模型灵敏度在79%左右，特异性高达73%；准确率为73%，曲线下面积为0.828。