基于机器学习的脑卒中复发预测模型研究

发布时间：2020-05-02 20:09

【摘要】：中风也称脑卒中,是一种临床常见病和多发病,严重地威胁着人们的健康。它也称为脑血管意外疾病,即指因各种诱导因素而引起脑内动脉狭窄、闭塞或这破裂的现象。脑卒中发病后第一天,约有10%~20%患者死亡,发病3周内约有1/4~1/3患者死亡,第3周后死亡速率会减慢,5年存活率约为15%~40%,而且得过脑中风的患者再发的可能性是普通人的4~15倍,并且发病后治疗也会很困难。脑卒中具有发病率高、致残率高、死亡率高和复发率高的“四高”特点。因此,预防脑中风复发是非常重要的,要致力于降低发病率,提高治愈率。而大多数中风发病之前都会出现中风先兆证,因此,在中风先兆症的防治研究方面,本文主要的研究内容如下:首先,针对心血管疾病脑卒中的课题背景,论述了心脑血管的病因和发病机制,同时,详细阐述了心血管疾病复发预测模型国内外的研究现状,介绍了心血管疾病常见的评估工具:CVD总风险预测工具、中风预测工具和脑血流动力学检测指标;其次,详细介绍了心血管疾病的危险因素,如性别、年龄、家族遗传史、高血压、吸烟等因素,阐述了机器学习的概念及其分类情况,介绍了SPSS软件的用途及其功能特点。然后,针对心血管疾病脑卒中特点,本文建立了基于Cox回归分析的预测模型,通过SPSS13.0软件进行实验,给出了相应的实验结果;同时建立了基于Logistic的预测模型,进行相关实验及结果分析。最后,介绍了SVM算法的基本原理、核函数的选择,阐述了SVM算法实现的具体步骤及其特点,设计了一种基于SVM算法的预测模型,阐述了其性能指标:ROC曲线下的面积,详细介绍了该算法的具体步骤:(1)导入相关数据集,进行预处理操作;(2)影响因素的选择,采用保守均值法(CM)来选择相关的影响因素;(3)采用SVM算法来预测并评估其性能。给出了相关的实验结果与分析,同时,与Cox模型和logistic模型进行相比,通过计算ROC曲线下的面积(AUC)值,0.827_(cox)0.829_(log istic)0.836_(SVM),发现SVM结合CM选择算法准确度最好。
【图文】：

机器学习,方法

工程硕士学位论文生理学等学科。机器学习的发展史是：从基于神经元模型方法研究展到以符号演算为基础的规则学习和决策树学习，再而延伸到认知纳、类比等概念，最后到最新的计算学习理论。同时，在生物信息最广泛用到的方法是支持向量机(Support Vector Machines)和人工神cial Neural Networks)。广义上定义，机器学习是一种能够赋予机器学习的能力以此让它完法完成的功能的方法，但从实践意义上来说，机器学习是一种通过练模型，然后使用模型预测的一种方法，如图 2.1 所示。

ROC曲线,脑卒中,ROC曲线,预测模型

图 3.1 脑卒中复发预测模型的 ROC 曲线分析C 曲线来计算约登指数最大值等于 0.526。其对应2.289 为截断点。此时模型的灵敏度为 0.731，特异度测体的多变量实际值代入到 PI 方程中，求出其预后指数从而得出该个体的诊断。例如：某个脑卒中患者年龄压 165mmHg，总胆固醇为 6.64 mmol/L。出现病情进指数是：PI(1年复发)=0.613×1+0.753×1+0.945×2+1.1年复发)>2.289。则可判断该患者脑卒中后 1 年内复发可，，截至随访终止，因为疾病复发死亡 35 例，患者 1 年年复发率是 20.18%。通过选择 27 个主要危险因素进有 15 个对脑卒中复发有统计学上的意义，同时选择了中家族史、高血压病史、年龄、总胆固醇、病情进展发预测模型 PI 方程。并且通过 ROC 曲线下的面积来
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R743.3;TP181

【相似文献】