换一批基于集成神经网络的类风湿关节炎中医证候分类器研究
Classifiers for traditional Chinese medicine syndromes of rheumatoid arthritis based on ensemble neural network
摘要目的 构建一种集成神经网络模型实现类风湿关节炎(RA)中医证候分类,并探究其中的特征重要性和风险因素.方法 针对基于人工智能技术的RA中医证候多标签分类中存在的标签关联性差、泛化性能低等问题,提出一种集成神经网络模型——集成神经网络链(FEN).FEN模型采用一种基于深度神经网络的特征提取基分类器提取临床RA多标签样本的深层特征,增强RA特征区分度;根据协方差理论衡量标签相关性,调节分类器链的输入空间,减少RA错误信息传播和冗余度;并采用集成学习方法减小分类器链中不合理标签序列对RA特征分类的影响.此外,分析了RA中医证候主证和兼证的特征贡献度,挖掘其潜在的风险因素.结果 FEN模型的 10 折交叉验证性能参数汉明损失、1-错误率、准确度和F1 值分别为 0.003 6、0.024 8、97.52%、99.18%.与 7 种典型多标签分类器(分类器链、标签幂集、二进制关联、随机k-标签集、多标签K最近邻、集成分类器链和集成二进制关联)相比,FEN模型具有较好的分类性能.特征贡献度分析提示,主症和次症特征均可作为RA中医证候分类的重要指标,是影响主证和兼证分类的主要因素.结论 基于集成神经网络模型的RA中医证候分类器具有较高的分类精度和效率,对于RA的临床诊断和治疗具有重要参考价值.
更多相关知识
关键词
类风湿关节炎多标签学习神经网络分类器链集成学习rheumatoid arthritismulti-label learningneural networkclassifier chainensemble learning
栏目名称
DOI
10.16781/j.CN31-2187/R.20230373
发布时间
2024-04-10（万方平台首次上网日期，不代表论文的发表时间）
- 浏览36
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
