[TOC]
大纲 - “便携式移动设备”，“HINTS信号”，“检测中枢性孤立性眩晕患者”，“算法？系统？流程？”
第 1 章 绪论
1.1 研究背景及意义
1.1.1 眩晕的流行病学及社会负担
-
眩晕的定义与临床表现
-
流行病学数据：全球及中国眩晕患病率、发病率
-
社会经济负担：就医成本、工作效率损失、生活质量影响
-
眩晕作为急诊常见主诉（占3-5%）的临床挑战
1.1.2 眩晕的分类与病因学
-
从病因学角度的分类方法
-
外周性眩晕概述：前庭系统解剖生理与常见病因
-
中枢性眩晕概述：中枢神经系统与眩晕的关系
-
混合性及其他类型眩晕
1.1.3 孤立性眩晕的临床意义
-
孤立性眩晕的定义及特点
-
孤立性眩晕与卒中的关系
-
外周性与中枢性孤立眩晕的鉴别诊断意义
-
中枢性孤立眩晕（特别是后循环缺血性卒中）的临床挑战
-
误诊率高及潜在风险
-
最佳治疗时机窗的重要性
-
基层医疗资源差异导致的诊断难题
-
1.1.4 现有孤立性眩晕诊断方法及其局限性
-
传统神经系统检查的局限性
-
cHINTS检查：原理、优势及局限（敏感度低，对医师技术要求高）
-
vHINTS检查：技术原理、优势及局限（部署复杂，成本昂贵）
-
STANDING等其他评分系统的应用现状
1.1.5 研究的意义
- 临床需求： 急诊需快速、低成本、高灵敏度分型工具。 基层医疗资源匮乏地区需便携化解决方案。
- 技术趋势： 智能手机传感器性能提升，可替代专业设备采集数据。 算法自动化分析降低对医师经验依赖。
- 社会价值： 减少脑卒中误诊致医疗纠纷与成本
1.2 研究的内容及目的
- 院内场景 - 基于院内 HINTS 数据构建准确快速的诊断模型，用于在影像学之前判断孤立性头晕患者是否为中枢性，特别是后循环缺血性卒中。
- 院外场景 - 通过手机实现 HINTS 三个模块的设计，获取可量化的临床指标，用于构建分类模型，以快速区分外周性和中枢性眩晕，满足急诊及基层医疗需求。
1.3 论文组织结构
第 2 章 理论基础与技术方法
2.1 VOG技术原理
- 对VOG技术进行综述，重点介绍其在眩晕诊断中的应用原理。
- 详细阐述 iPhone ARKit 视频眼动技术的特点及优势，为后续手机 HINTS 模块的设计提供理论依据。
2.2 vHINTS测试信号处理技术原理
- 针对采集到的头动和眼动信号，详细说明所采用的高通滤波、低通滤波以及拐点检测等信号处理方法的原理。
- 解释信号处理技术中参数选择的依据，并结合本研究具体阐述这些技术在信号处理过程中的应用，以确保获取准确可靠的临床指标。
2.3 vHINTS测试中关键参数计算
2.3.1 头脉冲测试参数计算与临床价值
2.3.2 眼震分析参数计算与临床价值
2.3.3 SVV测试参数计算与临床价值
2.4 分类模型相关技术
2.4.1 特征选择技术
2.4.2 分类模型
2.4.3 模型训练优化技术
2.5 统计学方法
2.5.1一致性分析
- ICC ：解释 ICC（一致性相关系数）的计算方法及其在设备和手机之间信号量化参数一致性分析中的应用场景和意义。
- Kappa ：阐述 Kappa 值在分类数据一致性分析中的作用，包括眼震方向判断和眩晕类型分类等方面的一致性评估。
- Bland-Altman ：说明 Bland-Altman 法在连续数据一致性评估中的应用，如用于比较手机采集信号和商用设备之间在关键参数测量上的一致性。
2.5.2 模型性能评估
2.5.3 模型可解释性分析
第 3 章 中枢性孤立性眩晕快速诊断模型的构建
3.1 引言
3.1.1 现有眩晕诊断流程的局限性
-
当前医院诊断流程中错判漏判的现状与数据
-
影像前决策的重要性与现实挑战
-
STANDING等现有流程的诊断性能分析与不足
-
各临床特征和指标间复杂关联未被充分利用的问题
3.1.2 数据驱动决策模型的价值
-
利用机器学习挖掘临床特征间隐藏关联的优势
-
模型驱动临床流程优化的新思路
-
定量化评估特征重要性对改进诊断流程的意义
3.1.3 研究目标与思路
-
基于院内临床数据构建诊断模型的总体目标
-
采用”模型引导流程改进”的研究思路
-
通过特征重要性分析优化现有流程
-
最终通过对比证明机器学习模型的优越性
3.2 研究数据与模型构建方法
3.2.1 研究对象与数据收集
-
研究队列的纳入与排除标准
-
临床数据收集内容与方法（人口学特征、症状特征、HINTS检查结果等）
-
数据预处理与质量控制措施
-
金标准确定：最终诊断或影像学确诊结果
3.2.2 机器学习模型构建
-
数据划分策略（训练集、验证集、测试集）
-
特征工程与选择方法
-
多种机器学习算法的选择与实现（随机森林、XGBoost、深度学习等）
-
模型训练与参数优化策略
-
模型评估指标与方法
3.2.3 基于模型的特征重要性分析
-
特征重要性评估方法（SHAP值、置换重要性等）
-
特征间交互作用分析技术
-
临床解释性分析框架
3.2.4 模型引导下的临床流程改进方法
-
基于特征重要性重构STANDING流程的方法
-
决策节点优化与阈值调整策略
-
改进流程的验证方案
3.3 模型构建结果与特征分析
3.3.1 模型性能评估结果
-
各机器学习模型的诊断性能指标（敏感度、特异度、AUC等）
-
最优模型的确定及其参数配置
-
模型在不同人群中的表现分析
3.3.2 特征重要性分析结果
-
关键特征的识别与排序
-
临床症状与HINTS检查参数的相对重要性
-
特征间交互作用的发现及临床意义
-
意外发现的潜在新预测因素
3.3.3 特征重要性的临床解释
-
高重要性特征的生理病理学基础
-
模型决策路径与真实临床决策的对比
-
基于案例的模型决策过程解析
3.4 基于模型分析的临床流程改进
3.4.1 原有STANDING流程在研究队列中的表现
-
诊断性能基线指标
-
误判案例特点分析
-
流程结构性缺陷识别
3.4.2 基于模型分析的流程优化
-
关键决策节点的重新排序
-
基于特征重要性的权重调整
-
新增关键特征的整合方案
3.4.3 改进流程的性能评估
-
改进流程的诊断指标
-
与原流程的性能对比
-
在不同人群中的适用性分析
3.5 机器学习模型与改进流程的对比
3.5.1 诊断性能对比分析
-
敏感度、特异度、AUC等指标的比较
-
ROC曲线分析与统计学差异检验
-
临床决策阈值下的性能比较
3.5.2 复杂案例分析
-
机器学习模型正确而改进流程错误的案例分析
-
非线性特征关系导致流程判断失误的案例
-
特殊人群中两种方法的表现差异
3.5.3 临床应用价值对比
-
实施难度与可行性评估
-
对医师决策支持的实际价值
-
不同医疗资源环境下的适用性
3.6 讨论
3.6.1 机器学习模型优于改进流程的原因分析
-
非线性关系捕捉能力的优势
-
多维特征综合处理的能力
-
适应性学习对不同人群的意义
3.6.2 基于模型的流程改进方法的价值与局限
-
“模型引导流程改进”策略的创新性
-
流程固有结构对复杂关系表达的根本限制
-
改进流程在特定场景下的实用价值
3.6.3 研究局限性与未来方向
-
样本量与代表性的限制
-
模型泛化能力的挑战
-
多中心验证的必要性
-
临床实施的关键步骤
3.7 本章小结
-
模型构建与分析的主要成果
-
机器学习对临床流程优化的启示
-
为后续便携式系统开发奠定的算法基础
第 4 章 基于移动设备的vHINTS检查信号处理与特征提取算法
4.1 引言
4.1.1 移动设备实现vHINTS检查的信号处理挑战
4.1.2 研究目标与算法设计思路
4.2 VOG数据校准算法
4.3 头脉冲试验信号处理算法
4.3.1 头部运动数据预处理技术
4.3.2 头脉冲事件自动检测与分割算法
4.3.3 前庭眼反射增益计算方法
4.3.4 代偿性眼跳特征提取技术
4.4 眼震检测信号处理算法
4.4.1 眼球运动追踪数据优化
4.4.2 快相与慢相分离算法
4.4.3 眼震参数自动量化方法
4.4.4 凝视诱发眼震特征分析技术
4.5 SVV/SVH测试算法
4.5.1 倾斜角度精确测量算法
4.5.2 SVV/SVH参数提取与分析方法
4.6 讨论与分析
4.6.1 算法性能评估
4.6.2 信号处理创新点分析
4.6.3 算法局限性与改进方向
4.7 本章小结
第 5 章 便携式HINTS系统的实现与临床验证
5.1 引言
5.1.1 便携式HINTS系统在院外眩晕诊断中的价值
- 院外快速诊断的临床需求分析
- 基层医疗机构的诊断能力提升意义
- 便携式系统对传统专业设备的补充作用
5.1.2 研究目标与框架
- 便携式系统实现的总体目标
- 系统验证的研究设计
- 临床应用价值评估方法