基于機器學習的面部運動神經傳導檢查數據的研究及應用

作者：唐雨奇,李則辰,楊東東,金碩果,劉美君,李永紅

摘要：為初步研究面部運動神經傳導檢查數據,提出運用機器學習方法進行深度數據挖掘、分析,找出相關性最高的特征值,以研究其主要的影響因素及探討臨床診斷預測的可能性。收集成都中醫藥大學附屬醫院10個月的肌電檢查報告共2352份數據,篩選符合標準的575份報告,制作數據集,利用編程的方式對其檢查數據和報告結論進行量化分析,分別建立KNN、邏輯回歸、隨機森林、stacking算法模型,經過調參選取正確率最高的模型進行特征提取以研究其主要影響因素及研究臨床判讀預測的可能性。實驗結果表明,一方面在肌電圖臨床判讀中隨機森林算法正確率達到92.69%,精度為92.78%,召回率為100%,與邏輯回歸相比較P值為0.04271,與KNN相比較P值為0.00745,均具有顯著統計學意義,即隨機森林模型最適合于面部運動傳導神經檢查數據分析。另一方面,運用隨機森林方法提取特征值,能夠更加清晰迅速地找出影響面部運動神經病變的最主要因素。通過機器學習挖掘數據,得出影響面部運動神經傳導檢查的主要因素為顳支右側波幅數據和頰支右側波幅等8個特征點,并提出可使用臨床獲得的數據集進行判讀預測并通過隨機森林選取主要的特征點,具體以減少臨床操作時檢查點位的形式達到縮短單人檢查時間的目的。

發文機構：成都中醫藥大學附屬醫院神經內科 成都信息工程大學電子工程學院

關鍵詞：機器學習面部神經肌電圖特征值隨機森林machine learningfacial nerveelectromyographycharacteristicrandom forests

分類號： TP181[自動化與計算機技術—控制理論與控制工程]R318[醫藥衛生—生物醫學工程]