人工神经网络在中医临床辨证模型研究中的应用

发布时间：2017-12-09 10:23

  本文关键词：人工神经网络在中医临床辨证模型研究中的应用

  更多相关文章： 中医辨证 中医智能 人工神经网络 多标记学习

【摘要】：本课题从理论和实验研究中医辨证模型,采用基于人工神经网络的多标记分类算法对临床数据进行建模。探索大数据机器学习,研究中医智能辨证的新方法。目的中医智能辨证的研究不断地发展,一套成熟辨证体系的建立往往需要经过大量的计算机计算和反复人工干预才能完成,对于不断发展更新的中医理论和实践,寻找一种具备自动更新的智能辨证系统才能适应不断发展变化的新环境。方法采用"中医证素辨证系统"做为病例采集工具,临床收集的1146例病例做为实验数据,随机分为2组,其中训练组764例,测试组384例。采集的每一例数据包括病症、证素和证型三部分信息。采用基于神经网络的多标记分类算法进行机器学习,并对训练后的模型进行测试。实验分三部分进行,第一部分实验症状预测证素,第二部分实验证素预测证型,第三部分实验症状预测证型。每一部分实验分别对隐藏神经元参数、输入输出激活函数进行调整测试,得出最佳的模型。结果症状预测证素的实验结果:平均精度为0.79,覆盖率为8.18,1-错误率为0.18,汉明损失为0.94,排序损失为0.05;证素预测证型的实验结果:平均精度为0.38,覆盖率为87.05,1-错误率为0.68,汉明损失为1.00,排序损失为0.12;症状预测证型的实验结果:平均精度为0.25,覆盖率为98.48,1-错误率为0.84,汉明损失为1.00,排序损失为0.15。结论1.采用基于人工神经网络多标记分类算法来实现中医辨证的机器学习,在数据量较少的情况下,症状预测证素的实验中平均精度达到0.79,比预期的结果好,在未来有大数据支撑的情况下,再开展机器学习,将有可能会大大提升实验结果,由此可以得出基于人工神经网络的多标记分类算法做为一种中医辨证的机器学习算法值得肯定。2.本次实验中症状预测证型和证素预测证型结果都比较差,经过分析实验数据,可以得出机器学习一方面需要比较大量的数据,另一方面数据集的分布需要比较均衡,以保证机器学习的训练充分有效,只有在这样的条件下进行机器学习才有可能达到我们临床实践的要求。
【学位授予单位】：福建中医药大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP183;R24

【相似文献】

中国期刊全文数据库 前10条

1 张东方,沙明,杨松松,李一波,曹爱民,孟宪生;人工神经网络在中药领域中的应用现状及前景[J];中草药;2003年01期

2 任宏;人工神经网络及其在预防医学领域的应用[J];上海预防医学杂志;2003年01期

3 赵应征,赵爱国,鲁翠涛,韩铁 ,梅兴国;人工神经网络在药学研究中的应用进展[J];解放军药学学报;2003年06期

4 杨钧,周新华,马大庆;人工神经网络及其在胸部放射学中的应用[J];中华放射学杂志;2004年02期

5 金玉琴;赵群;施诚;;人工神经网络及其在中药研究中的应用[J];医学信息;2007年06期

6 郑义;陆辉;;人工神经网络及其在药学上的应用[J];黑龙江医药;2008年06期

7 李丽霞;张敏;郜艳晖;张丕德;周舒冬;;人工神经网络在医学研究中的应用[J];数理医药学杂志;2009年01期

8 徐俊芳;周晓农;;人工神经网络在传染病研究中的应用[J];中国寄生虫学与寄生虫病杂志;2011年01期

9 王欣萍;孙昕;孙尧;;基于BP人工神经网络模型构建电子病历系统的数据分析[J];中国组织工程研究与临床康复;2011年35期

10 李光芬,强勇;人工神经网络在医学中的应用[J];医学信息;1998年12期

中国重要会议论文全文数据库 前10条

1 吴兵;;一种具有语义分布的自构造的新人工神经网络系统及其应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

2 刘R，

本文编号：1270067