本文研究了 Relief 特征選擇方法在光電容積脈搏波（PPG）中的應用，分析尋找區分心血管疾病的指標，提出了一種輔助心血管疾病診斷的方法。通過收集 40 位志愿者的生理病理信息，并實時采集血壓與指尖 PPG 波形數據，形成樣本數據集。基于 PPG 波形，定義并提取了 52 個特征參數，通過特征選擇 Relief 算法篩選出 10 個核心特征參數，形成最優特征子集，并分析它們對心血管疾病的影響。最后使用分類算法建模，對心血管疾病做出了輔助診斷，k 鄰近算法（kNN）模型對心血管疾病的預測正確率達到 66.67%，支持向量機（SVM）模型對心血管疾病的預測正確率達到 83.33%。結果表明：① 年齡對心血管疾病輔助診斷最為重要；② 最優特征子集元素特征為心血管健康狀況評價與預測提供了重要依據。本研究表明，經 Relief 算法選擇得到的最優特征子集為心血管疾病輔助診斷提供了更高的準確性。