1.一种用于优化选取脑卒中相关生物标志物的方法，特征在于：该方法具体步骤包括：
步骤1，读入含有多种生化检测出的生物标志物的浓度的个体数据，将各组输入量按照是否患脑卒中定义为1和0，分别计算各个生物标志物浓度和患病与否的互信息值，并对互信息值进行排序；
步骤2，选择步骤1中互信息值较大的几个生物标志物信息，对他们进行主成分分析，选取累计方差贡献率超过80％的几个主成分；
步骤3，按照主成分分析过程中得出的线性组合公式，分别计算选取出的主成分的值作为计算的输入量；
步骤4，将含有多种生物标志物信息的个体进行分类，四分之三个体数据作为训练集，四分之一作为验证集；将步骤3中选取出的主成分结果输入支持向量机之中；支持向量机先通过训练集进行学习训练，再通过验证集对患病与否作判断；通过检测预测结果的灵敏度和特异性来评估所选取的生物标志物以及主成分分析是否合适；
步骤5，如果检测的结果较差，即灵敏度和特异性都较低，则返回到步骤1，重新选取互信息值较大的生物标志物，再按照以上步骤进行，直到灵敏度和特异性都达到工程要求；
步骤6，将前五步输入数据中的正常人数据进行剔除，再将出血性脑卒中患者定义为2，缺血性脑卒中定义为3；分别计算各个生物标志物浓度和患两种病的互信息值，并对互信息值进行排序；
步骤7，选择步骤6中互信息值较大的几个生物标志物信息，对他们进行主成分分析，选取累计方差贡献率超过80％的几个主成分；
步骤8，将去除正常人后的个体信息进行分类，四分之三个体数据作为训练集，四分之一作为验证集；将步骤7中选取出的可以区分两种脑卒中的主成分结果输入支持向量机之中；支持向量机先通过训练集进行学习训练，再通过验证集对两种病进行区分；通过对两种病区分结果的灵敏度和特异性来评估所选取的生物标志物以及主成分分析是否合适；
步骤9，如果检测的结果较差，即灵敏度和特异性都较低，则返回到步骤6，重新选取互信息值较大的生物标志物，重复步骤6～8，直到灵敏度和特异性都达到工程要求；这样最终输出的结果就是能够将正常人、缺血性脑卒中患者、出血性脑卒中患者区分开生物标志物选取组合方式。