Primary study on recognition of vascular stiffness based on wavelet scattering neural network

血管硬化是心血管疾病的独立预测因子，柯氏音的特征与血管顺应性密切相关。本研究的目的是探究基于柯氏音信号的特征进行血管硬化检测的可行性。分别采集正常血管和硬化血管的柯氏音信号，并进行预处理，利用小波散射网络对柯氏音信号进行散射特征提取，搭建长短期记忆网络（LSTM）作为分类模型，对散射特征进行分类，评估 LSTM 分类模型的性能。本研究共有 97 例柯氏音信号数据，其中血管硬化组为 50 例，血管正常组为 47 例，按照 8∶2 的比例划分为训练集和测试集。最终分类模型的准确率为 86.4%，敏感度为 92.3%，特异性为 77.8%。研究结果表明，柯氏音信号的特征受到血管顺应性的影响，利用柯氏音信号的特征进行血管硬化的检测是可行的，本研究为无创血管硬化检测提供了一种新的思路。.