[发明专利]基于SVR算法的左心室收缩末期弹性预测方法及系统

权利要求书

1.一种基于SVR算法的左心室收缩末期弹性预测方法，其特征在于，包括：

获取稳态下测量的单个当前压力-容积环；

基于滤波器和支持向量机的特征递归清除算法，从所述当前压力-容积环的所有血流动力学特征中提取当前关键特征；所述当前关键特征包括收缩末期容积、舒张末期容积、舒张末期压力、压力-容积环的面积和收缩末期弹性势能；

根据所述当前关键特征和训练好的左心室压力为零时的容积预测模型，确定当前左心室压力为零时的容积；所述训练好的左心室压力为零时的容积预测模型是根据多组历史当前关键特征以及每组所述历史当前关键特征对应的历史左心室压力为零时的容积，采用SVR算法训练得到的；所述训练好的左心室压力为零时的容积预测模型表示关键特征与左心室压力为零时的容积的非线性映射关系；

根据所述当前左心室压力为零时的容积和已构建的左心室收缩末期弹性预测模型，计算当前左心室收缩末期弹性；所述左心室收缩末期弹性预测模型是根据左心室压力为零时的容积和单个压力-容积环上收缩末期的压力容积坐标构建得到的。

2.根据权利要求1所述的一种基于SVR算法的左心室收缩末期弹性预测方法，其特征在于，在执行基于滤波器和支持向量机的特征递归清除算法，从所述当前压力-容积环的所有血流动力学特征中提取当前关键特征之前，还包括：

采用IOX software软件提取所述当前压力-容积环上的所有血流动力学特征。

3.根据权利要求1所述的一种基于SVR算法的左心室收缩末期弹性预测方法，其特征在于，所述基于滤波器和支持向量机的特征递归清除算法，从所述当前压力-容积环的所有血流动力学特征中提取当前关键特征，具体包括：

根据组内一致性指标，从所有所述血流动力学特征中提取稳定性大于第一设定阈值的特征，并存储在第一集合中；

根据相关系数，从所述第一集合中剔除冗余度大于第二设定阈值的特征，并将剩余特征存储在第二集合中；

基于滤波器和支持向量机的特征递归清除算法，从所述第二集合中提取当前关键特征。

4.根据权利要求1所述的一种基于SVR算法的左心室收缩末期弹性预测方法，其特征在于，所述根据所述当前左心室压力为零时的容积和已构建的左心室收缩末期弹性预测模型，计算当前左心室收缩末期弹性，具体包括：

根据公式计算当前左心室收缩末期弹性；

其中，E_es表示当前左心室收缩末期弹性；V₀表示当前左心室压力为零时的容积；压力-容积环上收缩末期的压力容积坐标为(V_es，P_es)，V_es表示收缩末期容积，P_es表示收缩末期压力。

5.一种基于SVR算法的左心室收缩末期弹性预测系统，其特征在于，包括：

当前压力-容积环获取模块，用于获取稳态下测量的单个当前压力-容积环；

当前关键特征提取模块，用于基于滤波器和支持向量机的特征递归清除算法，从所述当前压力-容积环的所有血流动力学特征中提取当前关键特征；所述当前关键特征包括收缩末期容积、舒张末期容积、舒张末期压力、压力-容积环的面积和收缩末期弹性势能；

当前左心室压力为零时的容积预测模块，用于根据所述当前关键特征和训练好的左心室压力为零时的容积预测模型，确定当前左心室压力为零时的容积；所述训练好的左心室压力为零时的容积预测模型是根据多组历史当前关键特征以及每组所述历史当前关键特征对应的历史左心室压力为零时的容积，采用SVR算法训练得到的；所述训练好的左心室压力为零时的容积预测模型表示关键特征与左心室压力为零时的容积的非线性映射关系；

当前左心室收缩末期弹性计算模块，用于根据所述当前左心室压力为零时的容积和已构建的左心室收缩末期弹性预测模型，计算当前左心室收缩末期弹性；所述左心室收缩末期弹性预测模型是根据左心室压力为零时的容积和单个压力-容积环上收缩末期的压力容积坐标构建得到的。