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
作者：李祥蓉；程琳；席家宁；李伟
来源：中国组织工程研究 2018 年 22卷 19期
