基于機器學習的腦卒中復發(fā)預測模型研究.pdf

1、中風也稱腦卒中，是一種臨床常見病和多發(fā)病，嚴重地威脅著人們的健康。它也稱為腦血管意外疾病，即指因各種誘導因素而引起腦內(nèi)動脈狹窄、閉塞或這破裂的現(xiàn)象。腦卒中發(fā)病后第一天，約有10％~20%患者死亡，發(fā)病3周內(nèi)約有1/4~1/3患者死亡，第3周后死亡速率會減慢，5年存活率約為15%~40%，而且得過腦中風的患者再發(fā)的可能性是普通人的4~15倍，并且發(fā)病后治療也會很困難。
　　腦卒中具有發(fā)病率高、致殘率高、死亡率高和復發(fā)率高的“四高”特

2、點。因此，預防腦中風復發(fā)是非常重要的，要致力于降低發(fā)病率，提高治愈率。而大多數(shù)中風發(fā)病之前都會出現(xiàn)中風先兆證，因此，在中風先兆癥的防治研究方面，本文主要的研究內(nèi)容如下：
　　首先，針對心血管疾病腦卒中的課題背景，論述了心腦血管的病因和發(fā)病機制，同時，詳細闡述了心血管疾病復發(fā)預測模型國內(nèi)外的研究現(xiàn)狀，介紹了心血管疾病常見的評估工具：CVD總風險預測工具、中風預測工具和腦血流動力學檢測指標；
　　其次，詳細介紹了心血管疾病的危險

3、因素，如性別、年齡、家族遺傳史、高血壓、吸煙等因素，闡述了機器學習的概念及其分類情況，介紹了SPSS軟件的用途及其功能特點。
　　然后，針對心血管疾病腦卒中特點，本文建立了基于Cox回歸分析的預測模型，通過SPSS13.0軟件進行實驗，給出了相應的實驗結(jié)果；同時建立了基于Logistic的預測模型，進行相關(guān)實驗及結(jié)果分析。
　　最后，介紹了SVM算法的基本原理、核函數(shù)的選擇，闡述了SVM算法實現(xiàn)的具體步驟及其特點，設(shè)計了一種

4、基于SVM算法的預測模型，闡述了其性能指標：ROC曲線下的面積，詳細介紹了該算法的具體步驟：
　?、賹胂嚓P(guān)數(shù)據(jù)集，進行預處理操作；
　?、谟绊懸蛩氐倪x擇，采用保守均值法（CM）來選擇相關(guān)的影響因素；
　?、鄄捎肧VM算法來預測并評估其性能。給出了相關(guān)的實驗結(jié)果與分析，同時，與Cox模型和logistic模型進行相比，通過計算ROC曲線下的面積（AUC）值，0.827cox＜0.829logistic＜0.836，發(fā)現(xiàn)