基于Fisher判别分析双相障碍识别研究.pdf

章浩伟 ，等．基于 Fisher判别分析的双相障碍识别研究 ．．135．． 发作的频率是躁狂的2倍或更多，容易被误诊为单相 设各类样本的类 内离散度矩阵为 5，则 抑郁症而延误治疗 ，影响预后。相对于单相抑郁fU． nipolarDepressionUPD)，双相抑郁发作更频繁 。功能 Si= (x-mi)(x-mi)， 1，2 损害更严重2[]，因此，早期识别双相障碍 (在出现明显 的躁狂发作之前即可判断其发生躁狂的可能性)对双 设各类样本的总类 内离散矩阵为 ．s，则 相障碍患者具有重要意义。 国内外针对双相障碍早期识别的研究侧重点各 Sw=s。+．s2=∑∑(x-mi)(x—m i=1，2 ∈ 有不同，国外的研究主要集中在 比较某一项医学量表 (如HCL、TEMP等)5]或某个特定临床特征 (如是否 设样本的类间离散度矩阵为 ，则 有 自杀倾 向、治疗诱发躁狂等)[6-7]对于双相障碍和单 = 一m1)(x-m2) 相抑郁的区分效能；国内的研究刚刚起步 。多数还停 留在单纯 比较双相障碍与单相抑郁临床表象的异 同 上 【¨0】。迄今为止 ，还没有切实可行的早期识别双相障 定义Fisher识别函数为： )： ．s 碍 的有效方法和工具 。 对于事物分类 的数学方法有很多，如小波变换 使上式达到极大值的 为最佳投影向量 【。即 等【，Fisher判别分析方法是其 中被应用较多的一种。 在该方 向上的投影使两类数据分开 。且最佳方 向是 Fisher判别分析方法是一种统计分析方法 ．能够根据 (m1一m2)确定 的方向，则建立 的Fisher判别 函 观测样本 的若干数量特征对新获取的样本进行识别 数为 ： 和预测 ，判断其所属类型。该方法 已经在医学领域得 到相关应用，如对于疾病 的类型判别等。本文基于 ) 11+彬22+… 。 Fisher判别理论 ，通过分析各项样本资料 。建立 了双 式中，系数 W=‘(z￡J，：，… )的确定 ，能够使得各总 相障碍早期识别的预测模型。将其应用于测试样本案 体之间区别最大，而使每个总体 内部的离差最小。对 例判别，取得 了良好的效果 ，且观测变量简单易于获 于两类 问题，利用Fisher判别函数进行新样品种类判 取 ，适合于临床实际应用。 别时，只需将其P个指标值带人判别式 ，即可判别新 的样品属于哪个总体。 1．1材料 为考察所建立的判别 函数是否优 良，可采用 以训 本研究的样本材料来源于上海市精神卫生 中心， 练样本为基础 的回代估计法计算误判率 【】。设来 自总 共包括 251例抑郁症患者，其 中复发抑郁症患者 144 体 、x：的训练样本容量分别为Ⅳ 和Ⅳ2，Ⅳlz用 表示 例，双相障碍患者 107例。收集到的数据有：样本的一 将属于总体 的样本误判为总体 x 的个数，Ⅳ2。表示 般人 口学资料 ，包括年龄、性别、文化程度 、家庭情况 将属于总体 x2的样本误判为总体 的个数，则误判 等；样本的临床特征资料，包括起病年龄、病程、发作 次数及各个症状量表评分等。