10.15972/j.cnki.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
目的 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.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δ、θ、α1、α2、β1、β2、β3、γ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(P<0.05).耳鸣组δ、α2 和β1 节律平均熵大于对照组,θ、α1、β2、β3 和γ节律平均熵小于对照组(P<0.05).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(P<0.05).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.
k近邻算法、脑电图、主观性耳鸣、样本熵、小波包变换
51
R764.45(耳鼻咽喉科学)
河北省卫生健康委员会项目20210800
2023-11-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
696-698