相关实验视频
Updated: Jul 27, 2025
09:42
A Fibrin-Enriched and tPA-Sensitive Photothrombotic Stroke Model
Published on: June 4, 2021
2.8K
基于BP神经网络,随机森林模型和决策树模型的急性缺血性中风患者的干预性血栓切除术的预后模型
Senlin Zhou1, Jiajun Wei2, Lairong Tang1
1Department of Neurology, Beiliu People's Hospital Beiliu 537400, Guangxi, China.
American journal of translational research
|June 12, 2023
概括
机器学习模型预测了接受干预性血栓切除术的急性缺血性中风 (AIS) 患者的结果. 背向传播神经网络模型在预测中风治疗后患者预后方面表现出最高的准确性.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 急性缺血性中风 (AIS) 构成了严重的健康挑战.
- 干预性血栓切除术是AIS的关键治疗方法.
- 预测血栓切除术后的患者预后对于临床决策至关重要.
研究的目的:
- 评估背向传播 (BP) 神经网络,随机森林 (RF) 和AIS患者预后干预性血栓切除术后决策树模型的预测性能.
- 确定影响AIS患者临床结果的关键因素.
主要方法:
- 对255名接受干预性血栓切除术的AIS患者进行了回顾性分析.
- 在手术后3个月使用修改的兰金尺度 (mRs) 评估预后.
- 基于选定的预后因素开发和验证BP神经网络,RF和决策树模型.
主要成果:
- 这三种模型都表现出良好的预测能力.
- 该BP神经网络模型实现了最高的预测准确度 (0.961),灵敏度 (0.983) 和特异性 (0.875).
- 射频模型表现出强的性能,准确度为0.948,而决策树模型的准确度为0.882.
结论:
- 高血压神经网络,射频和决策树模型对预测AIS患者血栓切除术后的预后显示出希望.
- 这些模型为临床预后评估和患者选择提供了宝贵的见解.
- 模型选择应根据个体患者的情况进行量身定制,以获得最佳的临床指导.
