机器学习模型k近邻算法分析脑电图对主观性耳鸣的诊断价值.pdf
《机器学习模型k近邻算法分析脑电图对主观性耳鸣的诊断价值.pdf》由会员分享,可在线阅读,更多相关《机器学习模型k近邻算法分析脑电图对主观性耳鸣的诊断价值.pdf(3页珍藏版)》请在咨信网上搜索。
1、王荣国,高洁,宋晓飞,等.机器学习模型 k 近邻算法分析脑电图对主观性耳鸣的诊断价值J.中南医学科学杂志,2023,51(5):696-698.收稿日期 2022-09-23修回日期 2023-08-20基金项目 河北省卫生健康委员会项目(20210800)作者简介 王荣国,硕士,副主任医师,研究方向为耳鼻喉疾病的诊治,E-mail 为 。临床医学DOI:10.15972/ki.43-1509/r.2023.05.017机器学习模型 k 近邻算法分析脑电图对主观性耳鸣的诊断价值王荣国,高洁,宋晓飞,屈永涛河北省人民医院耳鼻喉科,河北石家庄 050000摘 要 目的 探讨机器学习模型 k 近邻算
2、法分析脑电图对主观性耳鸣的诊断价值。方法纳入主观性耳鸣患者 87 例(耳鸣组),健康受试者 91 例(对照组)。使用 MATLAB 和 EEGLAB 工具箱、小波包变换和样本熵相结合的方法分析两组、1、2、1、2、3、频段在耳鸣发生网络相关 7 个区域的样本熵差异。对耳鸣脑电图特征数据使用 Python 的 scikit-learn 包进行 k 近邻算法分析,使用准确率、召回率、精确度和 F1 得分评估 k 近邻算法对主观性耳鸣的诊断价值。结果两组样本熵在左听觉、左额叶、中央、右顶叶和左顶叶等区域差异有显著性(P0.05)。耳鸣组、2 和 1 节律平均熵大于对照组,、1、2、3 和 节律平均熵
3、小于对照组(P0.05)。耳鸣组和对照组样本熵在 FC5、C1、CP1 和 P4 单通道中差异有显著性(P0.05)。k 近邻算法对主观性耳鸣的诊断准确率为 91.98%,召回率为 90.24%,准确率为 96.28%,F1 得分为 93.12%。结论 机器学习模型 k 近邻算法分析脑电图结果可以辅助临床医生对耳鸣进行诊断。关键词 k 近邻算法;脑电图;主观性耳鸣;样本熵;小波包变换中图分类号 R764.45文献标识码 AThe diagnostic value of machine learning model k-nearest neighbor algorithm to ana-lyze
4、 EEG for subjective tinnitusWANG Rongguo,GAO Jie,SONG Xiaofei,QU YongtaoDepartment of Otolaryngology,Hebei General Hospital,Shijiazhuang 050000,Hebei,ChinaABSTRACT Aim To evaluate the diagnostic value of machine learning model k-nearest neighbor algorithm in an-alyzing EEG for subjective tinnitus.Me
5、thods 87 subjective tinnitus patients(tinnitus group)and 91 healthy subjects(control group)were included.A combination of MATLAB and EEGLAB toolboxes,wavelet packet transform,and sam-ple entropy were used to analyze sample entropy differences of,1,2,1,2,3,frequency band in 7 regionsrelated to tinnit
6、us occurrence network.The characteristic data of tinnitus electroencephalogram were analyzed by usingPythons scikit-learn package for k-neighbor algorithm analysis,and analyzing accuracy,recall,accuracy,and F1 score forsubjective tinnitus by using k-neighbor algorithm to evaluate the diagnostic valu
7、e.ResultsThere was a significantdifference in entropy between the two groups of samples in left auditory,left frontal,central,right parietal,and left parietallobes(P0.05).Tinnitus group,2 and 1 average entropy of rhythm was greater than that of the control group,and,1,2,3 and average entropy of the
8、rhythm was lower than that of the control group(P0.05).There was a sig-nificant difference in sample entropy between the tinnitus group and the control group in FC5,C1,CP1,and P4 singlechannels(P0.05).The k-nearest neighbor algorithm has a diagnostic accuracy of 91.98%,a recall rate of 90.24%,an acc
9、uracy rate of 96.28%,and an F1 score of 93.12%for subjective tinnitus.Conclusion Machine learning mod-el k-nearest neighbor algorithm analysis of EEG can assist clinical doctors in diagnosing tinnitus.KEY WORDS k nearest neighbor algorithm;EEG;subjective tinnitus;sample entropy;wavelet packet transf
10、orm 主观性耳鸣是一种发病率高、治愈率低的疾病,其治疗是一个世界性难题1,现阶段还没有针对主观性耳鸣客观、快速的诊断方法。脑电图是一种非侵入性的成像方式,其使用电生理指标沿头皮记录由大脑神经元离子电流产生的大脑活动2,静息状态脑电图的频谱功率和连接性分析是分析耳696ISSN 2095-1116 Medical Science Journal of Central South China,Vol 51,No 5,2023鸣的有利工具3。有研究发现,提取的脑电图样本熵在主观性耳鸣患者与健康人群中差异有显著性4。机器学习模型 k 近邻算法具有精度高、对异常值不敏感、无数据输入假定的优势5。基于此
11、,本研究探讨机器学习模型 k 近邻算法分析脑电图对主观性耳鸣的诊断价值,为临床提供参考。1 资料和方法1.1 一般资料纳入 2021 年 7 月2022 年 6 月本院收治的主观性耳鸣患者 87 例(耳鸣组),无耳鸣和听力损失的健康体检者 91 例(对照组)。纳入标准:听力正常6;18 65 岁;智力正常,并与年龄匹配;耳鸣组耳鸣时间3 个月,符合耳鸣7诊断标准,双耳纯音测听阈值25 dB;没有药物和酒精滥用史、中枢神经系统疾病、精神疾病,没有焦虑和抑郁状态(焦虑自评量表和抑郁自评量表得分50 分)。耳鸣组排除标准:进行性神经系统疾病;接受过耳鸣治疗;耳鸣持续时间3 个月;有吸毒和酗酒史。本研
12、究获得本院伦理委员会批准,所有参与者均签署知情同意书。1.2 脑电图记录和耳鸣脑电图特征提取使用具有 64 个通道的密集阵列脑电图系统进行脑电图记录,采样率 1 000 Hz,阻抗50 k,静态脑电图记录 5 min。使用 MATLAB for R2019a 和EEGLAB 工具箱,将原始数据载入 EEGLAB 预处理后,输出双耳周围 32 个通道的电极数据(FT7、FC5、FC3、FC1、FC2、FC4、FC6、FC8、T7、C5、C3、C1、C2、C4、C6、T8、TP7、CP5、CP3、CP1、CP2、CP4、CP6、TP8、P7、P5、P3、P1、P2、P4、P6、P8)。采用小波包变
13、换8和样本熵9相结合的方法进行耳鸣信号特征提取,并对提取的频段计算出样本熵。1.3 k 近邻算法通过小波包变换和样本熵计算,每个受试者含有 8 个节律频段(、1、2、1、2、3、)、7 个区域(右听觉、左听觉、右额叶、左额叶、中央、右顶叶和左顶叶),共 56 个数据,将受试者耳鸣脑电图特征数据使用 Python 的 scikit-learn 包进行 10 倍交叉验证的 k 近邻算法分析10,并使用准确率、召回率、精确度和 F1 得分评估 k 近邻算法对主观性耳鸣的诊断价值。1.4 统计学分析采用 SPSS 软件进行统计学分析。熵值不符合正态分布,采用 Mann-Whitney U 检验。P0.
14、05 为差异有统计学意义。2 结 果2.1 两组样本熵的比较两组样本熵在左听觉、左额叶、中央、右顶叶和左顶叶等区域差异有显著性(P0.05;表 1)。耳鸣组、2 和 1 节律平均熵大于对照组,、1、2、3 和 节律平均熵小于对照组(P0.05;表1)。耳鸣组和对照组样本熵在 FC5、C1、CP1 和 P4 单通道中差异有显著性(P0.05;表 2)。表 1 两组样本熵的比较10-3节律分组右听觉左听觉右额叶左额叶中央右顶叶左顶叶对照组5.0(4.7 5.5)5.0(4.8 5.1)5.3(5.0 5.4)5.3(5.1 5.5)5.4(5.3 5.8)5.3(5.2 5.6)5.1(4.7 5
15、.2)耳鸣组5.2(4.8 5.5)a5.4(5.1 5.5)a5.6(5.1 5.9)a5.4(4.9 5.8)a5.6(5.5 6.1)a5.4(5.0 5.5)a5.5(5.3 5.9)a对照组 17.4(16.0 18.6)17.4(15.8 17.7)17.9(16.8 18.3)17.4(17.0 18.5)17.5(15.9 18.0)19.2(18.4 20.7)17.2(17.0 17.3)耳鸣组 17.1(15.7 18.1)a17.2(16.6 17.6)a17.7(17.1 19.1)a17.2(16.4 17.2)a17.3(16.4 17.4)a18.1(16.7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机器 学习 模型 近邻 算法 分析 脑电图 主观性 耳鸣 诊断 价值
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。