论文部分内容阅读
慢性肾脏疾病是威胁全球公共健康的重要疾病之一,严重影响患者的生命与生活质量,中医作为调节人体机能的中国传统医学,对慢性肾脏疾病的诊疗发挥重要作用。基于患者四诊信息开展准确辨证是中医诊疗中的关键步骤,通过采集患者症状、体征等信息,结合计算机方法构建中医辨证辅助决策模型,辅助医生进行辨证决策,是本文研究的主要内容。论文的主要研究工作如下:(1)针对慢性肾脏疾病中医主证候辅助辨证,引入单标签属性选择与分类器融合方法,提出慢性肾脏疾病中医主证候辅助辨证模型。针对现有单标签属性选择算法存在属性选择二义性问题,提出基于联合互信息的单标签属性选择算法RJMIM(Relation to Joint Mutual Information Maximization),该算法在考虑不同属性与类间关联性同时,还考虑不同属性组合与类间相互作用。本文将RJMIM算法与JMI、JMIM、DISR和IGFS等算法进行比较,实验结果表明基于RJMIM算法分类精度为84.29%。(2)针对慢性肾脏疾病中医证候虚实兼夹辅助辨证,引入多标签学习方法,提出慢性肾脏疾病中医证候虚实兼夹辅助辨证模型。针对现有多标签属性选择算法未考虑不同属性与多个不同类间相互作用问题,提出基于属性与多个标签间相互作用的多标签属性选择算法MDI(Max Dependency and Interaction),该算法在考虑不同属性与不同类间相关性时,还考虑不同属性组合与不同类间相互作用。本文将MDI算法与MDMR、MLNB和MDDM等算法进行比较,实验结果表明基于MDI算法分类测量指标中汉明损失为0.0835,微F1值为0.7342。(3)传统中医运用“类辨”方法进行辨证,“类辨”是以类比思维方式进行推类辨物,类辨的方法是聚类。本文通过引入聚类分析,提出体现中医辨证思维方式的辅助辨证模型。针对聚类方法中初始簇中心选取问题,提出基于互信息与粗糙集的初始聚类中心选择算法AWCCA(Attribute Weights Based Clustering Centres Algorithm),算法利用互信息方法为不同属性分配权重,实现更优聚类效果。本文将提出的AWCCA算法用于改进K-modes聚类算法性能,与ML-KNN、RAKEL和BP-MLL等分类算法进行比较,实验结果表明基于改进的K-modes聚类算法分类测量指标中分类精度为78.36%,汉明损失为0.1084,微F1值为0.7624。(4)针对慢性肾脏疾病中西医结合辅助辨证,基于多标签学习方法,提出慢性肾脏疾病中西医结合辅助辨证模型。针对现有基于聚类的多标签分类方法未考虑数据实例间的相互作用力问题,提出分类方法ITDGM(Interaction and Data Gravitation Based Model for Multi-label Classification),该方法通过测量数据样本间的相互作用力,将样本间的距离和相互作用力结合,实现更优分类效果,与ML-KNN、BR、RAKEL、BRKNN和BPMLL等分类算法进行比较,实验结果表明ITDGM算法分类测量指标中分类精度为83.33%,基于标签的F1均值为0.7989,微F1值为0.8190。