基于LVQ神经网络的NIHSS与中风病证候量表的关系研究

采用LVQ神经网络算法拟合了NIHSS与中风病证候诊断标准量表(TCM Standardized Sheet of Apoplexy Syndromes Diagnosis,TCM-SSASD)评分值之间的复杂关系,并用临床数据给予了验证。为进一步研究中风病中、西医两种医学体系之间的关系提供了方法和有效的工具。     

中风病证候诊断与治法的相关性研究

目前中医中风病的证候诊断,是根据医生对患者望、闻、问、切的四诊信息,按照国家中医药管理局全国中医脑病急症科研协作组制定的《中风病辨证诊断标准》(1994年)所规定的中风病证候诊断标准量化评分表(以下简称证候量表)给以评分,给出包括风证、火热证、痰证、血瘀证、气虚证、阴虚阳亢证6个主要证候的分值进行判断的。而对每个患者的施治原则则根据医生的经验对患者整体的症状进行判断后给出[1]。     

缺血性中风病证候演变模式的研究

[目的]对缺血性中风病急性期证候组合的演变规律进行了研究和分析。[方法]采用条件概率、阈值界定等统计的方法,针对4个时点252例缺血性中风患者数据,研究其两证组合和三证组合的演化规律。[结论]证候随时间的演变存在一些相似的特征。[结论]证候的演变存在一定的模式。     

缺血性中风病证候演变模式的研究

[目的]对缺血性中风病急性期证候组合的演变规律进行了研究和分析.[方法]采用条件概率、阈值界定等统计的方法,针对4个时点252例缺血性中风患者数据,研究其两证组合和三证组合的演化规律.[结果]证候随时间的演变存在一些相似的特征.[结论]证候的演变存在一定的模式.     

中风病证候与神经功能缺损程度的关系

目的采用数据挖掘方法研究中风病证候与神经功能缺损程度的关系。方法提取建立在中风病临床采集系统基础上的缺血性中风的临床数据,通过应用SPSS12.0和遗传算法验证中风病证候诊断量表和美国国立卫生研究院卒中量表(NIHSS)之间是否存在线性关系,若不存在线性关系,则通过使用多层前馈(BP)神经网络、学习向量化(LVQ)神经网络、模糊自适应映射(FuzzyARTMAP)神经网络、支持向量机(SVM),验证两者之间的非线性关系。结果通过应用SPSS12.0和遗传算法,验证了中风病证候诊断量表和NIHSS之间不存在线性关系,通过使用BP神经网络、LVQ神经网络、FuzzyARTMAP神经网络、SVM验证两者之间存在复杂的非线性关系。结论中风病证候诊断量表和NIHSS之间存在复杂的非线性关系。