科研之友
微信
新浪微博
Facebook
分享链接
摘要
背景:目前关于腰椎间盘突出症受压神经根的客观检查都面临着诊断能力不足的问题,将模式识别技术与表面肌电技术结合将为提高受压神经根的诊断正确率提供新思路。目的:通过3种不同的模式识别方法建立腰椎间盘突出症受压神经根的表面肌电识别模型,计算3种模型的诊断准确率并分析不同模式识别技术的应用特点。方法:采集2015年10月至2016年10月住院并接受手术治疗的24例L4/L5节段椎间盘突出合并L5神经根受压和23例L5/S1节段椎间盘突出合并S1神经根受压患者的表面肌电参数,应用逻辑回归方程、决策树和人工神经网络建立受压神经根的识别模型,计算3种模型的灵敏度、特异度和诊断正确率,通过受试者工作特征曲线比较3种模型的诊断正确率。结果与结论:(1)逻辑回归方程最终建立了一个三参数的诊断模型,其诊断率从85.7%-100%,平均为93.6%,该诊断方程的灵敏度和特异度分别为0.98和0.92;(2)卡方自交互侦测决策树诊断模型的诊断率为42.86%-85.71%,平均为66.43%,该诊断方程的灵敏度和特异度分别为0.77和0.56;(3)分类回归决策树诊断模型的诊断率为57.14%-85.71%,平均为72.14%,该诊断方程的灵敏度和特异度分别为0.71和0.73;(4)神经网络诊断模型诊断率为85.7%-100%,平均为92.14%,该诊断方程的灵敏度和特异度分别为0.93和0.92;(5)受试者工作特征曲线的曲线下面积评价3种分类模型时,神经网络为0.98,逻辑回归方程为0.97,决策树为0.90;(6)结果表明,神经网络模型与逻辑回归模型识别受压神经根的正确率均非常满意,明显高于MRI的检查结果,其中神经网络模型的诊断效能更加稳定,故其可以作为一种新的定位诊断受压神经根的辅助方法;在没有条件建立神经网络诊断模型的情况下,逻辑回归同样非常适用;决策树在重要危险因素的筛选方面性能突出,其可以和其他方法联合使用提高识别准确率。
-
单位首都医科大学; 北京大学医院
