计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (20): 259-262.DOI: 10.3778/j.issn.1002-8331.1805-0201
吕晓燕1,郭建军2,李祥生1
LV Xiaoyan1, GUO Jianjun2, LI Xiangsheng1
摘要: 针对传统脑中风先兆诊断指标多,且诊断过程完全依赖医生临床经验的弊端,提出一种新的计量诊断方法。利用关联规则Apriori算法,挖掘与脑中风高度相关的16项诊断指标,并依据这些指标的重要性和支持度,确定其权重。在此基础上,利用提取的指标,构建了基于模糊理论的脑中风风险预报模型。将该模型应用于100例门诊患者的脑中风预报,其灵敏度和特异度分别为94.7%和88.7%。与BP神经网络判别结果的比较进一步表明,建立的模型能更客观地评价受检人群的脑中风风险等级,为脑中风的早期发现提供了一种新的计量诊断方法。同时,借助模型给出的诊断建议,可为受检人群提供科学的防治措施。