基于机器学习的急性缺血性中风的中医证型脑电特征的提取与实现

急性缺血性中风作为常见的脑血管疾病,具有高发病率、致残率和死亡率。中医学运用辨证论治在临床中改善患者症状和提高生活质量方面具有优势。结合现代化临床研究方法挖掘证型与疾病的内在关联有一定临床价值。脑电图可以客观地记录大脑神经元活动产生的生物电信号,反映时刻变化的脑功能状态,具有把握证型动态时空性特点。对脑电信号进行深入处理分析是提取脑电信息的重要手段,常用的脑电特征提取包括时域、频域、时频域、非线性动力学分析、高阶谱分析、大脑功能网络、脑电微状态。基于机器学习方法对脑电图信号的识别可以提高分类的准确性,使中医辨证智能化、客观化。通过线性判别分析、决策树、随机森林、K最近邻算法、支持向量机、朴素贝叶斯、人工神经网络和深度学习等机器学习方法可以对脑电特征进行分类。本研究基于机器学习的缺血性中风中医证型的不同类型脑电特征,构建缺血性中风证型中医辨证模型,旨在为今后临床中医证型诊断的统一化、辨证治疗的标准化提供方法和技术支持。