您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览38 | 下载4

[目的]从慢性胃炎患者的四诊数据中,筛选出脾胃湿热证患者的主症.[方法]提出多种特征选择算法集成机器学习的方法进行主症筛选,综合应用近邻传播聚类、随机森林、互信息和粗糙集挑选出主症特征,再融合判别分析方法完成脾胃湿热证主症的筛选.[结果]最终共筛选出7个主症,按照标准化典则判别函数系数大小依次为苔黄(1.641)、苔白(-1.065)、苔腻(0.757)、舌色红(0.504)、苔厚(0.495)、舌色淡白(-0.323)、胖大舌(-0.269),预测准确率为89.4%.[结论]本研究将多种数据处理方法融合,挑选出慢性胃炎脾胃湿热证患者的主症,结果与中医理论有较好的一致性.

作者:牛競斌;徐玮斐;钱鹏;盖筱;郑义馨;颜建军;刘国萍

来源:广州中医药大学学报 2022 年 39卷 8期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:38 | 下载:4
作者:
牛競斌;徐玮斐;钱鹏;盖筱;郑义馨;颜建军;刘国萍
来源:
广州中医药大学学报 2022 年 39卷 8期
标签:
慢性胃炎 脾胃湿热证 数据挖掘 判别分析 主症选择
[目的]从慢性胃炎患者的四诊数据中,筛选出脾胃湿热证患者的主症.[方法]提出多种特征选择算法集成机器学习的方法进行主症筛选,综合应用近邻传播聚类、随机森林、互信息和粗糙集挑选出主症特征,再融合判别分析方法完成脾胃湿热证主症的筛选.[结果]最终共筛选出7个主症,按照标准化典则判别函数系数大小依次为苔黄(1.641)、苔白(-1.065)、苔腻(0.757)、舌色红(0.504)、苔厚(0.495)、舌色淡白(-0.323)、胖大舌(-0.269),预测准确率为89.4%.[结论]本研究将多种数据处理方法融合,挑选出慢性胃炎脾胃湿热证患者的主症,结果与中医理论有较好的一致性.