基于机器学习的急性缺血性脑卒中风痰阻络证病人脑电微状态特征分析
张家成1
孙静1
黄幸2
王鹏1
郭宇1
李颖1
张梓寒1
包炜炜1
李翔宇1
常静玲1
1.北京中医药大学东直门医院 北京 1007002.北京中医药大学第三附属医院
摘要：目的:利用机器学习算法探索急性缺血性脑卒中(AIS)风痰阻络证的中医辨证模型,以期为AIS中医辨证论治提供早期检测和辅助诊断.方法:共纳入18例AIS风痰阻络病人和24例非风痰阻络证病人,采用K-means聚类算法对预处理后的两组静息状态下的64导脑电数据进行分析,得到4类脑电微状态(A、B、C、D)的时间参数(持续时间、出现频率、覆盖率),并进行统计分析.在此基础上,采用反向传播(BP)神经网络、K-近邻算法(KNN)、支持向量机(SVM)和随机森林(RF)对AIS风痰阻络证病人进行机器学习建模.使用留一法对模型进行训练,分别以准确率、精确率、召回率、调和平均值、受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)评估机器学习的分类性能.结果:AIS风痰阻络证病人微状态B的出现频率及覆盖率较非风痰阻络证病人显著降低(P＜0.05).相关分类器均可实现风痰阻络与非风痰阻络的有监督的二分类机器学习模型的构建.其中,BP神经网络在准确率、精确率、召回率和调和平均值方面表现卓越,分别为92.9%,89.5%,94.4%和91.9%.KNN分类器在样本识别和敏感度方面表现较好,AUC高达0.919.结论:基于机器学习构建AIS风痰阻络证辨证模型有方法学方面的可行性,有助于AIS临床辨证分型,为临床医生制定有针对性的干预决策提供支持.
关键词：急性缺血性脑卒中风痰阻络证微状态机器学习中医辨证模型
资助基金：北京市通州区卫生发展科研基金项目(No.KJ2023CX064)
论文发表日期：2025-11-25
在线出版日期：2025-12-05（本平台首次上网日期，不代表文献的发表时间）
页数：8( 3397-3404 )
英文信息