一种基于KNN-ANN的硬脑膜下血肿损伤预测方法

摘要

本发明涉及一种基于KNN‑ANN的硬脑膜下血肿损伤预测方法，该方法以数据库中的车辆碰撞试验数据为基础，通过Spearman秩相关分析各运动参量或损伤评价准则与脑损伤量之间的相关性；采用KNN与回归法相结合进行数据诊断，剔除异常数据，增强了运动参量与损伤量之间的相关性，并利用优化策略获取运动参量的最佳权重，构建了新的颅脑损伤评价指标；采用最大‑最小规范化对训练试验数据进行预处理，并通过神经网络学习构建脑损伤预测模型。本发明综合分析了平动量和转动量对颅脑损伤的影响，相比传统的创伤性颅脑损伤损伤评价准则，本发明所建损伤准则精度更高，能实现对颅脑损伤的定量预测，弥补了传统损伤评价准则只能做定性分析的缺陷。