摘要
本研究关注通过分析心电图（ECG）信号来自动预测充血性心力衰竭（CHF）。研究中引入并使用了一种新的机器学习方法——正则化赫森分解基极限学习机（R-HessELM）以及特征模型，包括平方熵测量、圆形熵测量、倾斜熵测量和网格熵测量。该研究表明，倾斜熵测量特征能够很好地表征心电图信号的特性，并且与R-HessELM方法结合，总体准确率达到了98.49%。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| congestive-heart-failure-detection-on-chf | Inclined Entropy (R-HessELM) | Accuracy: 98.49 Precision: 98.05 Sensitivity: 98.3 |