| 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 |
| |
| 引用本文： | 王荣国,高洁,宋晓飞,屈永涛.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].南华大学学报(医学版),2023(5):696-698. |
| |
| 作者姓名： | 王荣国 高洁 宋晓飞 屈永涛 |
| |
| 作者单位： | 河北省人民医院耳鼻喉科,河北石家庄 050000 |
| |
| 基金项目： | 河北省卫生健康委员会项目(20210800) |
| |
| 摘 要： | 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。
|
| 关 键 词： | k近邻算法 脑电图 主观性耳鸣 样本熵 小波包变换 [ |
| 收稿时间： | 2022/9/23 0:00:00 |
| 修稿时间： | 2023/8/20 0:00:00 |
The diagnostic value of machine learning model k-nearest neighbor algorithm to analyze EEG for subjective tinnitus |
| |
| WANG Rongguo,GAO Jie,SONG Xiaofei,QU Yongtao.The diagnostic value of machine learning model k-nearest neighbor algorithm to analyze EEG for subjective tinnitus[J].Journal of Nanhua University(Medical Edition),2023(5):696-698. |
| |
| Authors: | WANG Rongguo GAO Jie SONG Xiaofei QU Yongtao |
| |
| Institution: | Department of Otolaryngology, Hebei General Hospital, Shijiazhuang 050000, Hebei, China |
| |
| Abstract: | |
| |
| Keywords: | k nearest neighbor algorithm EEG subjective tinnitus sample entropy wavelet packet transform |
|
| 点击此处可从《南华大学学报(医学版)》浏览原始摘要信息 |
| 点击此处可从《南华大学学报(医学版)》下载免费的PDF全文 |
