论文研究 基于模糊理论的脑中风风险预报模型.pdf

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。