Application of Data Mining in Classification of Hemodynamic States

M.V. Voitykova, O.P. Voitovych, R.V. Khursa

Abstract


This paper presents a new method for the classification of hemodynamic states with the application of data mining algorithms (support vector machine) to the medical measurements of blood pressure (BP). The coefficients of linear regression of BP parameters (the regression model of hemodynamics) are the basis for the patterns of information — library of blood circulation samples in patients with known hemodynamic states (hypertension, hypotension or normotension), which are used for the buil­ding and training the classifier based on support vector machines. After the presentation to the classifier of vector characteristics of the patient’s blood pressure, the coordinates of which are a set of coefficients of linear regression of systolic, diastolic and pulse pressure, there is a comparison of it with a library of samples, according to the results of which conclusion about hemodynamic condition of a patient is made. The objective characteristic of a harmonious circulation is a compliance with the requirements about vector of the characteristics staying within certain limits. Violation of this condition is a pathological change in the hemodynamics of the cardiovascular system, characteristic of arterial hypertension, hypotension or clinically latent hemodynamic disorders, which are characterized by an imbalance of cardiac and vascular components of circulating blood.


Keywords


data mining; regression; support vector machine; hemodynamics

References


Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. — М.: Финансы и статистика, 2006. — 424 c.

Анохин П.К. Узловые вопросы теории функциональной системы. — М.: Наука, 1980. — 197 с.

Анохин П.К. Узловые вопросы теории функциональной системы. — М.: Наука, 1980. — 197 с.

Баевский Р.М. Прогнозирование состояний на грани нормы и патологии. — М.: Медицина, 1979. — 298 с.

Кузнецова А.В., Сенько О.В. Возможности использования методов Data Mining при медико-лабораторных исследованиях для выявления закономерностей в массивах данных // Врач и информационные технологии. — 2005. — № 2.

Кушаковский М.С. Гипертоническая болезнь. — СПб.: Сотис,1995. — 4-е изд. — 32 c.

Рашмер Р. Динамика сердечно-сосудистой системы / Пер. с англ. М.А. Безносовой, Т.Е. Кузнецовой; Под ред. Г.И. Косицкого. — М.: Медицина, 1981. — 600 c.

Суточный мониторинг артериального давления BPLab: http:// www.bplab.ru

Хурса Р.В. Непульсирующий компонент артериального давления при разных способах определения и новые гемодинамические характеристики // Артериальная гипертензия и профилактика сердечно-сосудистых заболеваний. Материалы VI Международной конференции. — Витебск: ВГМУ, 2011. — C. 83-87.

Хурса Р.В., Чеботарев В.М. Гемодинамические детерминанты гомеостаза сердечно-сосудистой системы // Клиническая физиология кровообращения. — 2007. — № 4. — С. 71-77.

Чеботарев В.М., Хурса Р.В., Балышева В.М. Способ перманентного контроля индивидуального функционального состояния кровообращения: Патент BY № 4876.

Benetos A., Lacolley P. From 24-Hour Blood Pressure Measurements to Arterial Stiffness: A Valid Short Cut? // Hypertension. — 2006. — Vol. 47. — P. 327-328.

Dolan E., Thijs L., Li Y. et al. Ambulatory arterial stiffness index as a predictor of cardiovascular mortality in the Dublin Outcome Study // Hypertension. — 2006. — Vol. 47. — P. 365-370.

Saeed M., Villarroel M., Reisner A.T. et al. Multiparameter intelligent monitoring in intensive care II (MIMIC-II): A public-access ICU database // Critical Care Medicine. — 2011. — Vol. 39 (5). — P. 952-960.

The MIMIC II Project database: http:// physionet.org/physiobank/database/mimic2db

Thomas F., Blacher J., Benetos A. et al. Cardiovascular risk as defined in the 2003 european blood pressure classification: the assessment of an additional predictive value of pulse pressure on morta­lity // J. Hypertens. — 2008. — Vol. 26 (6). — P. 1072-1077.

Vapnik V. Statistical learning theory. — Berlin: Springer, 1998. — 732 p.

Voitikova M.V., Khursa R.V. Linear regression in hemodynamics // Nonlinear Phenomena in Complex Systems. — 2012. — Vol. 15, № 2. — P. 203-206.




DOI: https://doi.org/10.22141/2224-1485.5.43.2015.81174

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 HYPERTENSION

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

 

© Publishing House Zaslavsky, 1997-2017

 

 Яндекс.МетрикаSeo анализ сайта Рейтинг@Mail.ru