目的:應(yīng)用支持向量機(SVM)和人工神經(jīng)網(wǎng)絡(luò)(ANN)搭建前庭康復(fù)治療決策模型,以期為臨床提供決策支撐和參考。方法:選擇感覺組合測試(SOT)總分COMP、本體覺得分、視覺得分、前庭覺得分和眩暈障礙量表(DHI)的測試結(jié)果軀體得分DHI-P、情感得分DHI-E、功能得分DHI-F作為SVM和ANN模型的輸入,推薦康復(fù)方案作為輸出。根據(jù)文獻數(shù)據(jù)源,仿真數(shù)據(jù)作為樣本集進行模型訓練,以實測樣本為測試集檢驗?zāi)Ｐ蜏蚀_性。結(jié)果:BP神經(jīng)網(wǎng)絡(luò)模型準確率為52.3%,SVM模型準確率為83.4%。誤差主要來源于3種診斷方案下各項得分數(shù)據(jù)區(qū)間交疊嚴重,易造成邊界樣本點誤分類,這在臨床診斷中也是很難克服的問題。結(jié)論:基于SVM建立的前庭康復(fù)決策方案準確性高于ANN,具有一定的臨床應(yīng)用價值,利用機器學習,輔助決策前庭康復(fù)方案,在推進臨床醫(yī)療信息化、提升醫(yī)療質(zhì)量方面有重要的前瞻性參考意義。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 資料與方法
    1.1 前庭康復(fù)技術(shù)
    1.2 眩暈評估
    1.3 神經(jīng)網(wǎng)絡(luò)模型
    1.4 SVM模型
    1.5 模型建立及訓練
2 結(jié)果
3 討論



本文編號：3869294