混合深度学习机制下的H型高血压脉诊预测

现有H型高血压诊断需要检测患者体内的伴有血浆同型半胱氨酸含量，效率低且带有创口。中医学脉诊可以通过分析患者脉搏生理活动，结合临床问诊信息实现H型高血压无创辅助诊断。本文提出了基于混合深度学习的脉诊分类模型，在具有双向长短时记忆（Bi-directional long short-term memory，BiLSTM）网络中增加卷积神经网络（Convolutional neural network，CNN）结构提取脉诊特征局部相关特征，构建基于CNN-BiLSTM结构的高血压脉诊分类网络。实验采用上海中医药大学附属龙华医院及中西医结合医院的325例临床疑似高血压脉诊病例。实验结果表明本文模型评估参数灵敏度、特异性、正确率、F₁-score、接收者操作特征（Receiver operating characteristic，ROC）曲线及其下方围成的面积（Area under curve，AUC）值分别为：79.71%、69.56%、77.17%、83.96%、0.850 0，高于经典机器学习方法的诊断精度，对中医临床辅助诊断具有较好的参考价值。