一种基于机器学习的脑血管病诊断方法、装置及存储介质制造方法及图纸

本申请公开了一种基于机器学习的脑血管病诊断方法、装置及存储介质，该方法包括：获取包含健康和不同程度脑血管病患者的样本EEG数据集；其中，样本EEG数据集中每个样本具有健康状态或病变程度标记；根据样本EEG数据集对预设的机器学习分类模型进行训练，获得脑血管病诊断分类模型；获取待诊断目标的EEG数据，对待诊断目标的EEG数据进行预处理后输入脑血管病诊断分类模型，通过脑血管病诊断分类模型对待诊断目标的EEG数据进行健康状态或病变程度分类，获得待诊断目标的脑血管病诊断结果。如此，通过机器学习模型提高了脑血管病诊断过程中的准确性和效率。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种基于机器学习的脑血管病诊断方法、装置、设备及存储介质。

技术介绍

1、随着人类生活方式和日常饮食结构的改变，以及现代生活快节奏与不规律性的加剧，脑血管疾病的发病率逐年上升。脑血管病是全球范围内导致死亡和残疾的主要原因之一，涵盖了多种类型的脑部血管异常，如脑梗塞、脑出血等。早期、准确的脑血管病诊断对于提高患者的生存率、改善生活质量具有重要意义。然而，脑血管病的起病往往较为隐匿，且症状多样，导致许多患者在诊断时已进入疾病的中晚期，错过了最佳治疗时机。

2、传统的诊断方法主要依赖于医生的临床经验和患者症状的解读，但是，现有方法不仅受到医生个人经验和主观判断的影响，可能存在诊断结果的不一致性和不准确性，而且诊断效率也相对较低。

技术实现思路

1、本申请实施例通过提供一种基于机器学习的脑血管病诊断方法、装置、设备及存储介质，解决了现有技术中诊断结果不准确以及效率低的问题。

2、为了实现上述目的，本专利技术实施例的技术方案是：

3、第一方面，本专利技术实本文档来自技高网...

【技术保护点】

1.一种基于机器学习的脑血管病诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述待诊断目标的EEG数据包括所述待诊断目标在预设时间内不同预设事件的EEG数据；所述预设事件至少包括睁眼、闭眼以及过度换气；所述脑血管病诊断分类结果至少包括：健康、脑出血患者以及血管性认知障碍患者。

3.根据权利要求2所述的方法，其特征在于，所述对所述待诊断目标的EEG数据进行预处理，包括：电极定位、重参考、信号滤波、数据分段以及独立成分分析；其中，

4.根据权利要求3所述的方法，其特征在于，所述对所述待诊断目标的EEG数据进行预处理后，所述方法还包...

【技术特征摘要】

1.一种基于机器学习的脑血管病诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述待诊断目标的eeg数据包括所述待诊断目标在预设时间内不同预设事件的eeg数据；所述预设事件至少包括睁眼、闭眼以及过度换气；所述脑血管病诊断分类结果至少包括：健康、脑出血患者以及血管性认知障碍患者。

3.根据权利要求2所述的方法，其特征在于，所述对所述待诊断目标的eeg数据进行预处理，包括：电极定位、重参考、信号滤波、数据分段以及独立成分分析；其中，

4.根据权利要求3所述的方法，其特征在于，所述对所述待诊断目标的eeg数据进行预处理后，所述方法还包括：对所述待诊断目标的eeg数据进行脑源定位，反演出产生所述待诊断目标的eeg数据的不同脑区的源分布情况。

【专利技术属性】
技术研发人员：郭晓敏，李兰，沈璐婷，常姗，刘宗伟，
申请(专利权)人：陕西省人民医院陕西省临床医学研究院，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人