引用本文:李怡然,李润桓,隋晓红.基于机器学习的神经电生理在慢性疾病诊断中的应用[J].重庆医科大学学报,,7(46):-.
慢性疾病正逐步取代传染性疾病，成为威胁人类身体健康最为主要的因素，给家庭和社会带来沉重负担。因此，实现慢性疾病早期诊断意义重大。目前的临床诊断方法难以实现这一目标，因此需要一种新的慢性疾病诊断方法。心脑血管疾病、恶性肿瘤、糖尿病等常见的慢性疾病都会影响神经系统，造成神经电信号变化，因此神经电生理将会成为早期诊断慢性疾病的有效手段。来源于生物体不同部位的神经电信号组成复杂，将机器学习算法与神经电生理方法相结合，从而解决神经电信号包含信息复杂、难以分析这一痛点。本文对基于机器学习的神经电生理在慢性疾病诊断中的应用进行了系统全面的阐述。机器学习；神经电生理；慢性疾病；神经接口技术慢性疾病给全球人类身体健康造成了极其严重的不良影响，现已成为世界范围内最为主要的致死原因，对中低收入国家的影响尤为严重，并且也对全球可持续化发展带来了巨大的阻碍。慢性疾病是遗传、生理、环境和行为等因素综合作用的结果，其中个人生活方式的影响不容忽视[1]。若能通过特定诊断方法实现慢性疾病的早期诊断，就能在很大程度上减少患者的痛苦与负担。但现今临床上仍缺少有效的慢性疾病早期诊断手段，因此对于全新的慢性疾病诊断手段的探索具有重大意义。将传统的神经电生理方法与近年来发展迅速的机器学习算法相结合，有望实现慢性疾病的早期诊断。对此，本文针对心脑血管疾病、恶性肿瘤、慢性呼吸系统疾病及糖尿病这4种典型的慢性疾病展开阐述。
1慢性疾病特点及其现状慢性非传染性疾病（non-