基于机器学习的单相抑郁与双相抑郁鉴别的脉图参数分类模型

摘要

目的基于机器学习方法研究针对单相抑郁与双相抑郁脉图参数的特征差异。方法采用道生中医四诊仪DS01-A信息采集系统,对31名单相抑郁患者与57名双相抑郁患者分别采集脉图信息,应用SPSS 26进行脉图参数比较,应用R 4.0.5建立向量机算法(support vector machines,SVM)与随机森林算法(random forest,RF)模型,评估模型性能并获得模型特征重要性排序。结果单相抑郁与双相抑郁脉图参数在脉力、脉率、AD、T1/T4、H1、H3/H1、(H3-H1)/H1共7个变量差异具有统计学意义(P<0.05);SVM模型与RF的鉴别模型都具有较好的鉴别准确率和稳定性。SVM模型鉴别准确率为80.56%,曲线下面积(area under curve,AUC)值为83.04%;RF模型鉴别准确率为80.56%,AUC值为84.62%。模型特征重要性前5位分别为H4、H2、AD、AGE、(T4-T1)/T与H3、H4、AD、AGE、H2。结论单相抑郁与双相抑郁在脉图参数上具有明显差异特征,可辅助临床医生进行单双相抑郁鉴别。