换一批基于机器学习的卒中后抑郁影响因素分析
Analysis of the Influencing Factors of Post-stroke Depression: Based on Machine Learning
摘要目的 通过机器学习判断脑卒中患者发生抑郁的影响因素.方法 从病历系统中提取符合纳入条件的688例脑卒中患者的病历资料,包括年龄、性别、脉象、面色、舌质、舌苔、中医药干预方式、体重指数(BMI)、血压、血糖、血甘油三酯、血总胆固醇、吸烟史、饮酒史、抑郁家族史、影像学卒中病灶部位及最终抑郁判断结果.采用单规则(1R)算法进行学习并判断提取信息中影响卒中后患者是否抑郁的危险因素,继而将所搜集病例分为训练数据集(500例)和测试数据集(188例),并使用随机森林模型形成最优判别结果.结果 通过单规则算法得出脑卒中后是否抑郁最重要的影响因素为卒中病灶所在部位,其中计算机推测卒中病灶位于额叶及颞叶者最易发生卒中后抑郁,基底节、脑干、小脑、延髓、枕叶的病灶则不易引起抑郁,其准确分类率达到88.95％(612/688例).对前500例训练数据集进行随机森林模型判别,其抑郁判断的正确率为98.2％;188例测试集判断结果正确率达99.47％;将688例患者资料运用随机森林模型进行学习,总的正确率为98.84％.重要性测度结果显示,病灶位置、中医药干预手段及抑郁家族史是脑卒中后是否发生抑郁最重要指标的前3位. 结论 病灶位于额颞叶的脑卒中患者以及具有抑郁史的患者更容易发生卒中后抑郁.
更多相关知识
关键词
脑卒中卒中后抑郁机器学习随机森林模型单规则算法集成学习strokepost-stroke depressionmachine learningrandom forestsingle rule algorithmensemble learning
栏目名称
DOI
10.13288/j.11-2166/r.2017.17.011
发布时间
2017-09-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点基础研究发展计划（973计划）（2012CB518504）
- 浏览304
- 被引15
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
