1.8 模式识别方法

    本研究采用随机森林分类算法对冠状动脉不同病变程度进行分类识别。随机森林是基于估计与统计学习理论的组合分类算法，它在决策树算法基础上利用bootstrap重抽样的方法从原始样本中抽取多个样本，对每个bootstrap样本进行决策树建模，然后将多个单决策树集成，最后通过投票得出最终预测结果[10]。与传统分类算法比较，随机森林具有很高的预测、对异常值和噪声具有很好的容忍度、不易出现过拟和等优点，在医学、生物信息等领域应用广泛。

    MATLAB是美国MathWorks公司出品的商业数学软件，可以用于算法开发、数据可视化、数据分析等。本研究在MATLAB2015进行数据分析与建模。

    2 结果

    2.1 各组一般资料比较

    对冠脉正常组、冠脉非严重病变组、冠脉严重病变组患者的基本信息(性别、年龄、体质量指数)进行比较，3组差异无统计学意义(P>0.05)。见表1。

    2.2 各组脉图时域特征比较

    与冠脉正常组及冠脉非严重病变组比较，冠脉严重病变组参数t1、t1/T、t1/t4显著增大(P<0.01)，参数h5/h1显著减小(P<0.05);与冠脉非严重病变组比较，冠脉严重病变组参数t5/t4、h4/h1显著增大(P<0.05) ......