基于机器学习的前庭康复决策研究

发布时间：2023-12-02 08:31

　　目的:应用支持向量机(SVM)和人工神经网络(ANN)搭建前庭康复治疗决策模型,以期为临床提供决策支撑和参考。方法:选择感觉组合测试(SOT)总分COMP、本体觉得分、视觉得分、前庭觉得分和眩晕障碍量表(DHI)的测试结果躯体得分DHI-P、情感得分DHI-E、功能得分DHI-F作为SVM和ANN模型的输入,推荐康复方案作为输出。根据文献数据源,仿真数据作为样本集进行模型训练,以实测样本为测试集检验模型准确性。结果:BP神经网络模型准确率为52.3%,SVM模型准确率为83.4%。误差主要来源于3种诊断方案下各项得分数据区间交叠严重,易造成边界样本点误分类,这在临床诊断中也是很难克服的问题。结论:基于SVM建立的前庭康复决策方案准确性高于ANN,具有一定的临床应用价值,利用机器学习,辅助决策前庭康复方案,在推进临床医疗信息化、提升医疗质量方面有重要的前瞻性参考意义。

【文章页数】：7 页

【文章目录】：
1 资料与方法
    1.1 前庭康复技术
    1.2 眩晕评估
    1.3 神经网络模型
    1.4 SVM模型
    1.5 模型建立及训练
2 结果
3 讨论



本文编号：3869294