典型文献
基于机器学习的单相抑郁与双相抑郁鉴别的脉图参数分类模型
文献摘要:
目的 基于机器学习方法研究针对单相抑郁与双相抑郁脉图参数的特征差异.方法 采用道生中医四诊仪DS01-A信息采集系统,对31名单相抑郁患者与57名双相抑郁患者分别采集脉图信息,应用SPSS 26进行脉图参数比较,应用R 4.0.5建立向量机算法(support vector machines,SVM)与随机森林算法(random forest,RF)模型,评估模型性能并获得模型特征重要性排序.结果 单相抑郁与双相抑郁脉图参数在脉力、脉率、AD、T1/T4、H1、H3/H1、(H3-H1)/H1共7个变量差异具有统计学意义(P<0.05);SVM模型与RF的鉴别模型都具有较好的鉴别准确率和稳定性.SVM模型鉴别准确率为80.56%,曲线下面积(area under curve,AUC)值为83.04%;RF模型鉴别准确率为80.56%,AUC值为84.62%.模型特征重要性前5位分别为H4、H2、AD、AGE、(T4-T1)/T与H3、H4、AD、AGE、H2.结论 单相抑郁与双相抑郁在脉图参数上具有明显差异特征,可辅助临床医生进行单双相抑郁鉴别.
文献关键词:
单相抑郁;双相抑郁;脉图参数;机器学习
中图分类号:
作者姓名:
刘鑫子;李自艳;郑思思;朱虹;尹冬青;贾竑晓
作者机构:
首都医科大学附属北京安定医院 国家精神心理疾病临床医学研究中心 精神疾病诊断与治疗北京市重点实验室,北京100088;人脑保护高精尖创新中心 首都医科大学,北京100069
文献出处:
引用格式:
[1]刘鑫子;李自艳;郑思思;朱虹;尹冬青;贾竑晓-.基于机器学习的单相抑郁与双相抑郁鉴别的脉图参数分类模型)[J].首都医科大学学报,2022(03):407-414
A类:
B类:
基于机器学习,单相抑郁,双相抑郁,脉图参数,参数分类,分类模型,机器学习方法,特征差异,道生,中医四诊,DS01,信息采集系统,名单,抑郁患者,图信息,support,vector,machines,随机森林算法,random,forest,RF,模型性能,模型特征,特征重要性,重要性排序,脉力,脉率,AD,T4,H1,H3,鉴别模型,area,under,curve,H4,H2,AGE,差异特征,临床医生
AB值:
0.319839
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。