脑部疾病极大地威胁着人类的生命健康,其中脑水肿是一种严重的脑部病变,如果不及时诊治,将会导致严重的后遗症,甚至会危及生命。脑出血与脑梗塞更是脑水肿病变中威胁最大的两种,然而其表面症状又比较相似,通常难以直接判断。当前医学上主要采用以CT技术和核磁共振技术为代表的医学影像技术进行病情诊断。然而这样的传统方法由于设备对空间时间的要求,存在需要一定时间和固定地点的问题,无法在第一时间快速确诊。重庆博恩富克医疗设备有限公司生产的第四代无创脑水肿监护仪是相对便携可移动的,其对患者数据的采集是经过理论和实践的验证的。本文依托该设备,致力于通过对临床数据分析,研究脑水肿监护模型的建立与应用和一系列指标对于早期脑出血与早期脑梗塞的区分效果。为了达到研究目标,本文进行了以下具体工作:(1)对患者原始数据进行了数据清洗,采用了余弦相似度和欧氏距离两种判别方法。本文结合医学背景,从全体数据中甄选出具有普遍代表性的扫频向量进行线性回归,从而得出标准扫频向量,作为标准数据。通过实验证明,两种判别方法相结合,可以很好的清洗出患者数据中的异常情况。(2)提出了一系列新的脑水肿监护模型。本文通过数据清洗,每组数据由有效监护时段的监测数据均值、脑水肿量标记值、脑血肿量标记值和脑积水量标记值组成。本文采用了两种不同的建模思路:(1)以监测数据均值作为因变量,建立了一个线性模型和一个非线性模型;(2)以脑水肿量作为因变量,建立了一个线性模型和一个非线性模型。为了评测模型的优劣,本文提出了若干评测指标,据此在四种模型中找到了最优模型——第二个非线性模型。最后,详细地介绍了该模型新型脑水肿监护系统中的应用,即新型脑水肿监护系统的设计与实现。(3)通过对清洗之后的有效数据的观察和结合医学知识分析,在之前研究的基础上,提出针对早期脑出血与早期脑梗塞病情区分的八项指标。并利用八项指标对该设备电极模式下的2664组历史数据进行了综合分析,最终给出了具有较高辨别度的指标。同时还对本文中反复使用的线性回归方法进行了统计学检验,证明了所取得结论具有良好的统计学意义。