杨晶东，陈 磊，蔡书琛，解天骁，燕海霞

（1.上海理工大学光电信息与计算机工程学院，上海 200093；2.上海中医药大学基础医学院，上海 201203）

引 言

近些年来，高血压患病率逐步攀升。血浆同型半胱氨酸（Homocysteine，HCY）水平大于10 μmol/L的高血压被定义为“H 型”高血压，在高血压患者中高达75%为H 型高血压。HCY 水平升高是冠状动脉粥样硬化性心脏病、脑卒中等心脑血管疾病的危险因素［1］。研究证实HCY 水平与心血管疾病的发生具有正相关性，Graham 等［2］发现，单独存在高血压或HCY 水平升高的患者中，脑卒中死亡风险分别为正常人的3.6 倍和4.2 倍，而高血压与HCY 水平同时升高的患者脑卒中死亡的风险则增加至12.1 倍。迄今为止，检测血液中的HCY 含量多少是临床诊断H 型高血压的唯一途径［3］。

随着深度学习和机器学习应用到中医领域进行相关研究，中医知识的碎片性和经验性不再是难题。随机森林算法具有较高训练速度，可以对内部泛化误差进行无偏估计。同时随机森林算法引入了重采样和属性选择的随机性，对噪声不敏感，克服了过拟合问题。因此出现了将集成随机森林应用于肺结节的良恶性分类。借鉴深度学习思想，出现了深度随机森林算法［4］，应用于慢性胃炎的中医症候分类，为慢性胃炎诊断提供依据。Zhang 等［5］采用9 层卷积神经网络（Convolutional neural network，CNN）对脉搏波进行分类，平均准确率达到了93.49%。文献［6］提出一种改进的CNN 模型对脉搏波分类，在不同的数据集上最高分类精度达到95%；Ouyang 等［7］采用CNN 模型对Ⅱ型糖尿病患者的脉搏波分类，最高精度可达到90.6%，但当CNN 层数较深时，才能提取到脉搏波深层特征，容易造成梯度消失问题。……