数据挖掘在中医药领域应用研究进展(2)
2.2 中医诊法2.2.1 支持向量机 Liu等[11]利用支持向量机对胆囊炎患者舌诊进行研究,结果支持向量机对舌面图像有较好的分类能力,更接近专家的诊断结果。
2.2.2 神经网络 郭氏等[12]基于概率神经网络的中医脉象识别方法对中医常见的12种脉象进行了识别和检验,识别正确率平均达93%。
2.2.3 模糊聚类 杜氏等[13]在改进模糊聚类算法的基础上提出了一种彩色舌图像舌质舌苔分离方法,极大地加快了聚类迭代速度,减少了系统运算时间;相对于阈值分割法,能够获得更加符合中医要求的苔质分离效果。
2.2.4 其他方法 赵氏[14]采用可见光波段和近红外波段2个光谱仪进行同一舌体数据采集,通过对采集的临床上千例样本运用主成分分析、神经网络、偏最小二乘法、间隔偏最小二乘法等多种方法进行数据建模和分析,显示脂肪肝、冠心病、高黏血症等疾病和舌体反射光谱之间存在很大的相关性。其他方法的引入及常用于联合使用的方法有判别分析、加权支持向量机、对应分析技术、PCA-AdaBoost方法、分类器融合技术、最优尺度分析、复杂网络法、关联规则等。
3 中医临床数据挖掘
临床中医学包括中医内科、中医外科、中医妇科、中医儿科、针灸科、中医骨伤科、推拿科、中医眼科、中医耳鼻咽喉科、中西医结合医学、气功科、中医护理等 ......
您现在查看是摘要页,全文长 4766 字符。