目的:探讨机器学习层次聚类算法用于先天性眼球震颤（CN）眼动波形自动分类和波形诊断的可行性。方法:回顾性病例系列研究。收集2018年12月至2019年9月就诊于天津市眼科医院的90例（90只眼）CN患者资料，其中男性67例，女性23例，年龄（12±9）岁。所有患者采用高速视频眼动仪记录眼动波形。对标准化后的眼动波形进行无监督机器学习层次聚类分析，获得可视化分类结果并予以波形命名，统计每种波形的发生比例，分析波形成分与CN患者视功能的相关性。统计学方法为独立样本 t检验和Pearson相关性分析。 结果:在90例（90只眼）CN患者的46 620个有效眼动波形中，通过机器学习层次聚类算法自动分出7种波形，分别命名为波形Ⅰ（14 259个，30.59%）、波形Ⅱ（11 498个，24.66%）、波形Ⅲ（4 083个，8.76%）、波形Ⅳ 1（5 430个，11.65%）、波形Ⅳ 2（3 451个，7.40%）、波形Ⅳ 3（3 015个，6.47%）及波形Ⅳ 4（2 663个，5.71%）；有2 221个（4.76%）波形未分类。波形Ⅰ、Ⅱ、Ⅲ分别与3种CN基本眼动波形即速度递增型冲动型、速度递减型冲动型及钟摆型波形相符，波形Ⅳ 1~4为复杂波形。波形Ⅰ、Ⅱ、Ⅲ及Ⅳ 1~4在90例患者中的发生比例依次为78.89%（71例）、41.11%（37例）、17.78%（16例）、20.00%（18例）、7.78%（7例）、15.56%（14例）和11.11%（10例）。38例（42.22%）患者仅表现为1种眼动波形，其余52例（57.78%）同时存在2种或2种以上眼动波形，其中23例（25.56%）存在3种或3种以上眼动波形，5例（5.56%）存在4种眼动波形。患者眼动波形中波形Ⅰ所占比例与最佳矫正视力（最小分辨角对数视力）有显著相关性（ r=-0.39； P<0.01），波形Ⅱ所占比例与最佳矫正视力无相关性（ P>0.05）。以波形Ⅰ为主导的CN患者的最佳矫正视力（0.19±0.14）优于以波形Ⅱ为主导的CN患者（0.45±0.37），差异有统计学意义（ t=2.77； P<0.05）。 结论:机器学习层次聚类算法可实现CN眼动波形的自动分类和波形诊断，为CN的精准诊断与评估提供辅助依据。

眼震，先天性;机器学习;聚类分析;眼震电图描记术;眼球运动

刘彦孜;史学锋

天津医科大学眼科临床学院　天津市眼科医院　天津市眼科研究所　天津市眼科学与视觉科学重点实验室，天津　300020

中华眼科杂志

[1]刘彦孜;史学锋-.先天性眼球震颤眼动波形的层次聚类分析研究)[J].中华眼科杂志,2022(03):194-199

摆型波,眼震电图描记术

先天性眼球震颤,层次聚类分析,层次聚类算法,CN,自动分类,波形诊断,回顾性病例系列研究,眼科医院,中男,眼动仪,无监督机器学习,视功能,统计学方法,分出,未分类,即速,冲动型,钟摆,形相,杂波,上眼,中波,最佳矫正视力,显著相关性,无相,精准诊断,诊断与评估,眼球运动

0.209739