换一批
换一批改进深度极限学习机在肺癌中医证型分类中的应用研究
Application of Improved Deep Extreme Learning Machine in the Classification of Traditional Chinese Medicine Syndromes of Lung Cancer
摘要目的 利用特征选择及Likert分级法量化肺癌病历数据,构建基于麻雀搜索算法优化的深度极限学习机模型,对肺癌中医病历数据进行证型分类与预测,为中医证型分类研究提供科学有效手段.方法 从江西中医药大学附属医院收集了2015年1月-2021年12月诊断为肺癌的497例病历,筛选412例病历作为研究对象.利用特征选择和特征重要性排序等方法归纳出不同证型的证型因子,并使用Likert分级法量化证型因子.构建基于麻雀搜索算法优化的深度极限学习机,对模型进行训练、测试.最后把本研究所建模型与其他机器学习模型按照3种评价标准进行比较.结果 本研究建立的SSA-DELM模型的平均分类准确率为88.44%,而采用支持向量机和贝叶斯网络的平均准确率分别为83.39%和84.53%.SSA-DELM模型在5种证型上的召回率及F1值大部分在80%以上,也优于其他传统的机器学习模型.结论 研究结果表明,利用特征选择结合Likert分级法量化后的肺癌病历数据,相比于0-1化处理的数据更能显现出数据的特征,提高了分类模型的准确率,SSA-DELM新模型相比其他传统的机器学习分类模型,有更好的表征学习能力及学习速度.该模型不仅为临床治疗肺癌的研究提供了科学的技术手段,也为中医辨证论治的信息化、智能化发展提供有益的借鉴.
更多相关知识
关键词
肺癌证型分类深度极限学习机特征选择Lung cancerSyndrome classificationDeep extreme learning machineFeature selection
分类号
R-058
栏目名称
DOI
10.11842/wst.20220426003
发布时间
2023-12-29
基金项目
国家自然科学基金（81660727）；
江西省教育厅科学技术研究重点项目（GJJ190635）
- 浏览13
- 被引3
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
