摘要
摘要目的探讨机器学习层次聚类算法用于先天性眼球震颤（CN）眼动波形自动分类和波形诊断的可行性。方法回顾性病例系列研究。收集2018年12月至2019年9月就诊于天津市眼科医院的90例（90只眼）CN患者资料，其中男性67例，女性23例，年龄（12±9）岁。所有患者采用高速视频眼动仪记录眼动波形。对标准化后的眼动波形进行无监督机器学习层次聚类分析，获得可视化分类结果并予以波形命名，统计每种波形的发生比例，分析波形成分与CN患者视功能的相关性。统计学方法为独立样本t检验和Pearson相关性分析。结果在90例（90只眼）CN患者的46 620个有效眼动波形中，通过机器学习层次聚类算法自动分出7种波形，分别命名为波形Ⅰ（14 259个，30.59%）、波形Ⅱ（11 498个，24.66%）、波形Ⅲ（4 083个，8.76%）、波形Ⅳ1（5 430个，11.65%）、波形Ⅳ2（3 451个，7.40%）、波形Ⅳ3（3 015个，6.47%）及波形Ⅳ4（2 663个，5.71%）；有2 221个（4.76%）波形未分类。波形Ⅰ、Ⅱ、Ⅲ分别与3种CN基本眼动波形即速度递增型冲动型、速度递减型冲动型及钟摆型波形相符，波形Ⅳ1~4为复杂波形。波形Ⅰ、Ⅱ、Ⅲ及Ⅳ1~4在90例患者中的发生比例依次为78.89%（71例）、41.11%（37例）、17.78%（16例）、20.00%（18例）、7.78%（7例）、15.56%（14例）和11.11%（10例）。38例（42.22%）患者仅表现为1种眼动波形，其余52例（57.78%）同时存在2种或2种以上眼动波形，其中23例（25.56%）存在3种或3种以上眼动波形，5例（5.56%）存在4种眼动波形。患者眼动波形中波形Ⅰ所占比例与最佳矫正视力（最小分辨角对数视力）有显著相关性（r=-0.39；P<0.01），波形Ⅱ所占比例与最佳矫正视力无相关性（P>0.05）。以波形Ⅰ为主导的CN患者的最佳矫正视力（0.19±0.14）优于以波形Ⅱ为主导的CN患者（0.45±0.37），差异有统计学意义（t=2.77；P<0.05）。结论机器学习层次聚类算法可实现CN眼动波形的自动分类和波形诊断，为CN的精准诊断与评估提供辅助依据。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
