基于中医状态学理论的健康状态辨识算法研究
发布时间：2023-02-01 13:39
《中医状态学》是中医治未病理论的奠基之作,为治未病、健康管理提供了理论指导和顶层设计。状态与健康状态辨识是中医状态学的重要组成内容,算法模型的科学性、准确性直接影响着健康状态辨识的发展。建立智能、准确的辨识算法模型是健康状态辨识的关键问题,本研究从理论、临床数据集及人工智能方法来研究中医健康状态辨识算法模型。目的构建中医状态辨识模型算法,为中医健康状态评估提供技术支持。一方面可以提高中医健康状态辨识算法的成熟度,以便应用于临床;另一方面,在大数据背景下探索基于机器学习的模型算法,有助于算法模型本身的快速优化,以便适应复杂多变的应用场景。方法1.系统梳理相关文献,围绕着状态与健康状态辨识的概念与内涵、健康状态辨识模式研究、健康状态辨识算法研究以及存在的问题和解决方案开展研究。2.利用临床收集的1146例数据构建中医健康状态数据集,进行中医健康状态辨识模型算法研究,采用经典的人工智能算法K最近邻（kNN）、支持向量机（SVM）、决策树（DT）,以及人工神经网络（BP-MLL）进行算法模型的构建,并对其性能进行比较。3.采用新的多标记分类算法ML-kNN、RankSVM、LIFT对中医健康状...
【文章页数】：86 页
【学位级别】：博士
【文章目录】：
中英文缩略词
中文摘要
Abstract
引言
第一部分 中医健康状态辨识算法的基础研究
1 中医状态学是健康状态辨识的理论基础
1.1 状态
1.2 健康状态
1.3 健康状态辨识模式
1.4 中医状态学理论指导中医健康状态辨识
2 状态辨识算法研究
2.1 算法模型与健康状态辨识匹配性
2.2 健康状辨识算法模型的研究
2.3 中医状态辨识模型是中医健康状态辨识算法的基础
3 存在的问题和解决方案
3.1 存在的问题
3.2 解决方案
第二部分 人工神经网络及经典算法构建中医健康状态辨识模型
1 实验资料
1.1 临床资料
1.2 纳入标准
1.3 排除标准
2 方法
2.1 样本的处理
2.2 预测过程
2.3 数据预处理
2.4 神经网络训练及软件实现
2.5 决策树、kNN、SVM算法
2.6 评价标准
3 结果
3.1 不同组数据的BP-MLL神经网络实验结果
3.2 BP-MLL与决策树、kNN、SVM的比较
4 讨论
4.1 单标记分类方法与人工神经网络BP-MLL的比较
4.2 多标记分类算法更适合解决多对多的关系
4.3 多标记分类算法对结果有反馈优化的作用
第三部分 中医健康状态辨识中的多标记分类方法研究
1 实验资料
2 方法
3 结果
3.1 不同隐藏神经元参数的BP-MLL实验结果
3.2 不同参数的ML-kNN实验结果
3.3 不同参数的LIFT实验结果
3.4 不同参数的RankSVM实验结果
3.5 两种单标记分类算法与多标记分类算法的实验结果对比
3.6 四种多标记分类算法结果对比
4 讨论
4.1 四种多标记分类算法的特点与优势
4.2 多标记分类解决中医健康状态辨识问题
4.3 多标记分类方法在中医健康状态辨识中的应用思考
结论
创新与不足
参考文献
附录
文献综述
参考文献
致谢
作者简历
【参考文献】：
期刊论文
[1]中医与人工智能的探讨[J]. 赵文,徐佳君,周常恩,李灿东. 福建中医药. 2019(05)
[2]冠心病不稳定型心绞痛患者阳虚证卡方自动交互检测决策树识别模式研究[J]. 史琦,孔艳华,赵慧辉,陈建新,李友林,王伟. 中医杂志. 2019(15)
[3]中医健康管理与人工智能[J]. 李灿东,辛基梁,雷黄伟,周常恩,朱龙. 中华中医药杂志. 2019(08)
[4]人工智能用于计算机网络技术中的有效策略[J]. 陈琛. 电脑编程技巧与维护. 2018(12)
[5]机器学习算法在中医诊疗中的研究综述[J]. 张晓航,石清磊,王斌,王炳蔚,王永吉,陈力,吴敬征. 计算机科学. 2018(S2)
[6]支持向量机在高血压病中医证候诊断中的应用[J]. 许明东,马晓聪,温宗良,唐莎莎,杨小英,黄万众,岳桂华. 中华中医药杂志. 2017(06)
[7]疾病诊断与疗效评价相关参数差异性理论探讨[J]. 王洋,王昌恩,林雪娟,张秋仔,李灿东. 中华中医药杂志. 2016(08)
[8]近5年中医证候诊断客观化研究述评[J]. 徐玮斐,刘国萍,王忆勤,燕海霞,郭睿. 中医杂志. 2016(05)
[9]基于KNN核函数聚类的轮状病毒统计分析[J]. 许华萍. 浙江中医药大学学报. 2015(08)
[10]基于证素辨证模型的中医健康管理系统研发[J]. 杨雪梅,甘慧娟,赖新梅,陈梅妹,王君,李灿东. 中华中医药杂志. 2015(08)
博士论文
[1]基于混合智能的中医辨证系统研究[D]. 褚娜.上海交通大学 2012
[2]基于数据挖掘技术的证素辨证方法研究[D]. 晏峻峰.湖南中医药大学 2007
硕士论文
[1]基于BP神经网络的中医体质辨识研究[D]. 白丽娜.天津理工大学 2014
[2]基于深度学习与条件随机场的多标记学习方法的中医问诊建模研究[D]. 王立文.华东理工大学 2013
本文编号：3734212
【文章页数】：86 页
【学位级别】：博士
【文章目录】：
中英文缩略词
中文摘要
Abstract
引言
第一部分 中医健康状态辨识算法的基础研究
1 中医状态学是健康状态辨识的理论基础
1.1 状态
1.2 健康状态
1.3 健康状态辨识模式
1.4 中医状态学理论指导中医健康状态辨识
2 状态辨识算法研究
2.1 算法模型与健康状态辨识匹配性
2.2 健康状辨识算法模型的研究
2.3 中医状态辨识模型是中医健康状态辨识算法的基础
3 存在的问题和解决方案
3.1 存在的问题
3.2 解决方案
第二部分 人工神经网络及经典算法构建中医健康状态辨识模型
1 实验资料
1.1 临床资料
1.2 纳入标准
1.3 排除标准
2 方法
2.1 样本的处理
2.2 预测过程
2.3 数据预处理
2.4 神经网络训练及软件实现
2.5 决策树、kNN、SVM算法
2.6 评价标准
3 结果
3.1 不同组数据的BP-MLL神经网络实验结果
3.2 BP-MLL与决策树、kNN、SVM的比较
4 讨论
4.1 单标记分类方法与人工神经网络BP-MLL的比较
4.2 多标记分类算法更适合解决多对多的关系
4.3 多标记分类算法对结果有反馈优化的作用
第三部分 中医健康状态辨识中的多标记分类方法研究
1 实验资料
2 方法
3 结果
3.1 不同隐藏神经元参数的BP-MLL实验结果
3.2 不同参数的ML-kNN实验结果
3.3 不同参数的LIFT实验结果
3.4 不同参数的RankSVM实验结果
3.5 两种单标记分类算法与多标记分类算法的实验结果对比
3.6 四种多标记分类算法结果对比
4 讨论
4.1 四种多标记分类算法的特点与优势
4.2 多标记分类解决中医健康状态辨识问题
4.3 多标记分类方法在中医健康状态辨识中的应用思考
结论
创新与不足
参考文献
附录
文献综述
参考文献
致谢
作者简历
【参考文献】：
期刊论文
[1]中医与人工智能的探讨[J]. 赵文,徐佳君,周常恩,李灿东. 福建中医药. 2019(05)
[2]冠心病不稳定型心绞痛患者阳虚证卡方自动交互检测决策树识别模式研究[J]. 史琦,孔艳华,赵慧辉,陈建新,李友林,王伟. 中医杂志. 2019(15)
[3]中医健康管理与人工智能[J]. 李灿东,辛基梁,雷黄伟,周常恩,朱龙. 中华中医药杂志. 2019(08)
[4]人工智能用于计算机网络技术中的有效策略[J]. 陈琛. 电脑编程技巧与维护. 2018(12)
[5]机器学习算法在中医诊疗中的研究综述[J]. 张晓航,石清磊,王斌,王炳蔚,王永吉,陈力,吴敬征. 计算机科学. 2018(S2)
[6]支持向量机在高血压病中医证候诊断中的应用[J]. 许明东,马晓聪,温宗良,唐莎莎,杨小英,黄万众,岳桂华. 中华中医药杂志. 2017(06)
[7]疾病诊断与疗效评价相关参数差异性理论探讨[J]. 王洋,王昌恩,林雪娟,张秋仔,李灿东. 中华中医药杂志. 2016(08)
[8]近5年中医证候诊断客观化研究述评[J]. 徐玮斐,刘国萍,王忆勤,燕海霞,郭睿. 中医杂志. 2016(05)
[9]基于KNN核函数聚类的轮状病毒统计分析[J]. 许华萍. 浙江中医药大学学报. 2015(08)
[10]基于证素辨证模型的中医健康管理系统研发[J]. 杨雪梅,甘慧娟,赖新梅,陈梅妹,王君,李灿东. 中华中医药杂志. 2015(08)
博士论文
[1]基于混合智能的中医辨证系统研究[D]. 褚娜.上海交通大学 2012
[2]基于数据挖掘技术的证素辨证方法研究[D]. 晏峻峰.湖南中医药大学 2007
硕士论文
[1]基于BP神经网络的中医体质辨识研究[D]. 白丽娜.天津理工大学 2014
[2]基于深度学习与条件随机场的多标记学习方法的中医问诊建模研究[D]. 王立文.华东理工大学 2013
本文编号：3734212
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3734212.html
