基于机器学习算法的脑梗死伴颅内动脉狭窄预测模型研究

摘要：

目的 评价3种机器学习算法模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能,为缺血性卒中诊治策略提供参考依据.方法 回顾性收集自2013年1月至2019年9月喀什地区第一人民医院神经内科收治的缺血性脑卒中患者临床资料.通过特征选择筛选出脑梗死伴颅内动脉狭窄的相关因素作为预测因子,基于随机森林、决策树和神经网络3种机器学习算法建立预测模型.利用受试者工作特征曲线下面积(area under ROC,AUC)、灵敏度、准确率等指标评价3种模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能.结果 研究分析了2365例脑梗死患者的74种特征,通过特征选择选出23个特征作为预测因子纳入建模.决策树模型、神经网络模型、随机森林模型的AUC值分别为0.78±0.11、0.85±0.12、0.89±0.10;灵敏度依次为0.92±0.05、0.91±0.06、0.88±0.10;准确率依次为0.79±0.12、0.77±0.13、0.85±0.13.结论 随机森林模型对脑梗死患者是否伴有颅内动脉狭窄的预测性能最佳,在无条件进行血管成像检查时可应用于脑梗死是否伴有颅内动脉狭窄的预测,具有一定的临床应用价值.

关键词：脑梗死、颅内动脉狭窄、机器学习、预测模型、随机森林、决策树、神经网络

所属期刊栏目：48

分类号：R743(神经病学与精神病学)

资助基金：新疆维吾尔自治区自然科学基金资助项目2019D01C015

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：597-601