机器学习在预测急性缺血性卒中预后中的应用进展<sup>*</sup>

doi:10.3969/j.issn.1674-4985.2026.13.038

中国医学创新

2026, Vol. 23

Issue (13): 179-184 DOI: 10.3969/j.issn.1674-4985.2026.13.038

综　　述

本期目录 | 过刊浏览 | 高级检索

机器学习在预测急性缺血性卒中预后中的应用进展^*

朱若嫣^①　栾天云^②　李淞^③

①南开大学电子信息与光学工程学院　天津　300350
②长春理工大学电子信息工程学院　吉林　长春　130022
③吉林省人民医院神经内科　吉林　长春　130021

Application Progress of Machine Learning in Predicting the Prognosis of Acute Ischemic Stroke

ZHU Ruoyan, LUAN Tianyun, LI Song

First-author's address: Nankai University·College of Electronic Information and Optical Engineering, Tianjin 300350, China

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (1515 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要急性缺血性卒中（AIS）具有高致死率、高致残率和高复发率的特点，其预后受梗死部位、侧支循环、治疗时间窗、基线神经功能状态等多因素交互影响。传统预后评估方法在处理高维数据方面能力有限，预测精度不足，难以满足精准预测的需求。机器学习（ML）能够更高效、准确地预测AIS不良预后。本文综述了常用ML算法，包括传统方法（如支持向量机、决策树、随机森林、极端梯度提升、集成学习等）与深度学习方法（如卷积神经网络等），以及各种算法在AIS预后预测中的应用现状与性能表现。并围绕功能结局、治疗反应、死亡风险、复发风险及并发症5个方面，总结了多模态数据融合建模在提升AIS预测准确性方面的优势。与传统模型相比，ML构建的预测模型具有更优的性能，有望为AIS患者的个体化管理和临床决策提供有力支撑。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：机器学习, 深度学习, 急性缺血性卒中, 预后

收稿日期: 2025-11-24

基金资助:*基金项目：吉林省自然科学基金面上项目（YDZJ202501ZYTS144）

引用本文:

朱若嫣①　栾天云②　李淞③. 机器学习在预测急性缺血性卒中预后中的应用进展^*[J]. 中国医学创新, 2026, 23(13): 179-184.
ZHU Ruoyan,LUAN Tianyun,LI Song. Application Progress of Machine Learning in Predicting the Prognosis of Acute Ischemic Stroke. 中国医学创新, 2026, 23(13): 179-184.

链接本文:

http://www.zgyxcx.com/CN/10.3969/j.issn.1674-4985.2026.13.038 或 http://www.zgyxcx.com/CN/Y2026/V23/I13/179