首页 > 文献资料
-
常用分类算法在脑梗死预测中的比较研究
目的:比较常用分类算法对脑梗死的分类预测能力.方法:将反映动脉弹性的6个脉搏波参数加年龄、性别一共8个指标作为每个样本的特征.把样本按3:1随机分为训练集和测试集两部分.分别利用人工神经网络(ANN)、贝叶斯(Bayes)、决策树(Decision Tree,DT)、K邻近法(k-NN)、支持向量机(SVM)算法构造分类器,使用各分类器对训练集样本进行学习以建立分类预测模型,再用测试集测试各个模型的分类准确度.结果:SVM分类器和DT分类器效果较好,准确率超过80%.结论:以反映血管弹性的脉搏波参数结合性别、年龄作为特征并使用SVM或者DT算法来构建分类预测模型,有一定实用价值.
-
中药寒热预测系统的建立
中药寒热性质是中药药性的重要特点之一,作者在本文着重介绍了构建的中药寒热性质预测系统,并对中药寒热药性的化学基础进行了探讨.作者建立的寒热预测系统对中药寒热药性的预测准确率,训练集达到83.3%,测试集达到81.0%.在此预测模型的基础上,提出了原子数、氢键受体数、电负性表面面积等5个化学描述符,用于解释中药寒热药性的化学基础.
-
基于PepT1-PPARα靶标组合的中药协同机制解析
协同效应是中药发挥药效的主要作用机制,结合关键靶标组合探讨中药的协同效应是阐释中药协同机制的有效方法之一.寡肽转运蛋白(peptide transporter 1,PepT1)是药物吸收入血的关键靶标之一,约占总转运蛋白含量的50%.过氧化物酶体增殖物激活受体α(peroxisome proliferator-activated recepror α,PPARα)是贝特类降脂药物的作用靶点,其激动剂具有良好的降血脂药效.研究表明PPARα可反式激活PepT1的基因表达,PPARα激动剂可促进PepT1底物的吸收,从而共同发挥协同作用.因此,本研究拟基于PepT1和PPARα的靶标组合,发现中药活性成分中的PepT1底物和PPARα激动剂,并在一定程度上探讨中药活性成分吸收入血与降低血脂的协同机制.该研究基于前期实验室已构建的PPARα激动剂的融合药效团模型,筛选潜在的具有PPARα激动效应的中药活性成分,并追溯其来源中药.同时构建PepT1底物的支持向量机模型,预测中药中潜在的PepT1底物.通过分析2组筛选结果,发现三七-灵芝、三七-丹参组合可能通过PepT1和PPARα协同机制发挥降脂药效.该研究基于PepT1-PPARα的靶标组合,探索中药活性成分吸收与降脂药效的协同机制,为基于靶标组合探讨中药药代动力学参与的协同机制研究提供了一条新思路.
-
一种新型算法在组织光学参数测量系统中的应用
无创测量确定生物组织的光学特性参数在医学诊断和治疗领域中有着广泛的应用前景.目前确定组织参数的方法多建立在单层模型条件下,而实际的许多生物组织均具有分层结构,比如在肌肉、颅骨等.因此在多层模型条件下反演计算组织参数具有更大的实际意义.近年许多研究者针对以上问题提出了各种解决方法,如小二乘法、神经网络方法等,但这些方法都存在需要时间过长或者误差较大的缺点.本文在组织参数测量领域引入数据挖掘办法--支持向量机(support vector machines,SVM),对双层模型中四个待定组织光学参数的确定进行了研究.结果 表明,利用SVM方法确定组织光学参数具有很好的准确性和实时性.
-
基于CSSD和SVM的抑郁症脑电信号分类
从EEG脑电信号中提取与疾病相关的信息以实现对抑郁症的自动诊断.首先采用共空域子空间分解(CsSD)方法,对躁狂型抑郁症患者与健康人两组的16导联脑电信号进行特征提取,然后用支持向量机(SVM)分类器进行训练和分类测试.实验结果表明,相对于用小波变换提取的频率相关参数为分类特征的分类准确率为88%,采用CSSD方法提取特征参数进行分类可以取得更理想的效果为95%,后者的16导联脑电信号在空间模型上表现出较高的模式可分性.该研究成果对精神抑郁症的物理诊断和研究提供了新的视角.
-
基于SVM方法构建细菌sRNA靶标预测模型
目的:为实验方法鉴定细菌sRNA靶标和研究sRNA功能提供生物信息学支持.方法:首先以实验证实的132个sRNA与靶标相互作用数据为训练集,其中包含46个阳性数据和86个阴性数据;其次,以实验证实的22个阳性数据和随机生成的1 700个阴性数据为测试集;后以RNA二级结构谱等特征为变量,运用支持向量机(SVM)方法构建sRNA靶标预测数学模型.结果和结论:构建的模型对训练集的敏感性和特异性均为100%,对测试集的敏感性和特异性分别为72.73%和80.65%.所构建的数学模型为实验发现sRNA靶标提供了生物信息学支持.
-
基于Labeled LDA主题模型的医学文献自动分类法
提出了一种基于Labeled LDA主题模型的医学文献自动分类法.以10个医学领域的研究文献为案例,通过语料库的设置及参数设置调整模型为佳,与SVM方法进行对比实验.结果显示,无论是准确率还是召回率,基于Labeled LDA主题模型的自动分类法均比SVM法高出7.00％左右,表明基于Labeled LDA主题模型的医学文献自动分类法具有较好的医学领域文本分类效果.
关键词： Labeled LDA 主题模型 自动分类 SVM -
基于SVM的死亡率时间序列预测设计与分析
妇幼死亡率是反映国家、地区、民族的政治、社会经济、文化、医疗卫生水平以及衡量妇女地位、人类发展的重要指标~([1]).国家卫生部在各省、自治区、直辖市建立妇幼卫生监测网点,对妇幼死亡率各项指标进行动态监测.婴幼儿及孕产妇各死亡率指标预测结果的准确性和实效性,关系到计生、民政、卫生部门分析死亡率数据发展趋势和动态变化规律,及时通过宏观决策、政策进行行政干预,投入精力扭转不良态势具有重要指导意义.
-
虚寒证的微观化诊断方法初探
目的:以基因表达谱数据为基础探寻证侯-诊断新模式.方法:利用基因表达谱数据和分析工具--基因芯片预测分析(PAM)和支持向量机(SVM),以已知类别的10个样本建立判别模型,再对新的样本进行预测.结果:两个预测工具PAM、SVM对建模的10例已知类别的判断准确率均为100%,对4例新样本的预测结果一致:3例为虚寒证患者,1例为正常人,其结果和量表的主症总分具有较好的一致性.讨论:两种分类预测器对所有样本的判别和预测具有完全的一致性,利用基因表达谱数据结果和分析工具对临床证候的微观化、定量化诊断具有一定的可行性.
-
基于小波变换和Teager能量算子的癫痫脑电自动分类
提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,进行近似熵估计,对脑电信号进行分类的新方法.首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计,后用SVM对EEG信号进行分类.结果表明,该方法对癫痫发作期EEG和正常的EEG分类效果比较理想.
-
基于BI-RADS的超声乳腺图像的计算机辅助诊断研究
目的 根据乳腺超声图像的分级标准(BI-RADS)为诊断的指导,初步完成了诊断系统的设计.在图像处理中引入LBM滤波,并用无初始化的C-V模型进行分割,从形态特征与纹理特征入手,提取图像中相应的特征参数.采用支持向量机方法 对所提取的特征参数进行分类.通过对88幅乳腺超声图像(其中良性37例、恶性51例)进行训练和测试,得到的判别准确率、敏感性和特异性分别为91.4%、94.4%和86.4%.结果表明,依据BI-RADS的分级特征研究有利于计算机辅助诊断在临床中的应用.
-
基于微钙化检测的计算机辅助诊断系统对于乳腺导管原位癌的诊断价值
目的 探讨计算机辅助诊断系统(CADx)在微钙化检测与特征提取基础上的分类对于导管原位癌(DCIS)的诊断价值.方法 回顾性分析经南方医科大学附属南海医院及中山大学肿瘤防治中心行乳腺X线摄影检查发现微钙化并经病理学证实的623例患者影像资料,其中,良性病变378例,DCIS 245例.用受试者操作特征曲线(ROC)分别分析采用计算机方法提取的每个微钙化特征对于这两类病变判别的诊断效能,和应用所有微钙化特征集合并基于支持向量机(SVM)分类器的CADx的分类诊断效能.结果 CADx对于良性病变和DCIS这两类病变微钙化分类的ROC曲线下面积(Az)为0.853;特异度、准确率、敏感度分别为70.1％、82.1％、90.7％,高于单个微钙化特征的诊断效能.结论 采用CADx对于DCIS微钙化能较好的检测与定位,对乳腺癌早期病变的识别能提供有益的参考.
-
基于支持向量机神经母细胞瘤血清蛋白质标记物的检测及临床应用
目的 寻找神经母细胞瘤特异血清蛋白标记物,构建初步诊断模型,并探讨其临床应用价值.方法 收集47例神经母细胞瘤患儿血清标本,30例其它恶性实体肿瘤患儿血清标本以及健康儿童血清标本10例;用ZUCI-Protein Chip Data Analyze System分析软件进行数据处理;经留一法交叉验证,分类器评价模型的预测效果.结果 构建3个模型并筛选出10个蛋白标记物,能够成功区分神经母细胞瘤和健康儿童蛋白质谱的差异,表达模型的敏感性为100%,特异性为100%,区分神经母细胞瘤术前和术后蛋白质潜差异表达模型的敏感性为100%,特异性为100%,区分神经母细胞瘤与其它小儿恶性实体肿瘤血清蛋白质指纹图谱模型的敏感性为88.89%.特异性为100%.结论 用SELDI-TOF-MS及生物信息学技术并结合支持向量机(SVM)初步建立的模型可作为神经母细胞瘤的另一种特异性强、敏感性高的辅助检查手段.
关键词： 神经母细胞瘤 诊断模型 SEIDI-TOF-MS SVM 肿瘤标记物 -
基于SVM模型和ARIMA模型在拟合病毒性肝炎发病率中的应用
目的 运用SVM和ARIMA方法对我国病毒性肝炎发病率进行预测,对拟合结果进行比较.为病毒性肝炎的预防提供科学依据.方法 利用中国卫生统计年鉴1995-2014年的病毒性肝炎发病率数据分别建立SVM和ARIMA拟合模型,并对拟合效果进行比较.截取近年时序资料适当设置滑动窗口、映射关系和训练参数,借助MATLAB软件完成数据智能训练、仿真和预测;ARIMA法用于发病率序列拟合建模,借助SAS软件优定阶识别、外推预测.结果 病毒性肝炎发病率SVM模型和ARIMA模型SSE和MAPE分别为229、289,3.53％、3.86％.SVM模型拟合效果优于ARIMA模型,SVM模型预测2015-2017年病毒性肝炎预测发病率为(1/10万)分别为84.31、83.21、82.27.结论 SVM法可用于时序建模,ARIMA法理论成熟且为经典方法.SVM模型拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征.
-
DRC-BK分类器的规则筛选算法
有效的规则筛选算法有助于提高分类器的性能和效率.目前,DRC-BK分类器中,仅考虑到规则的权重对分类分析的贡献,却忽略了规则本身的分布对分类的贡献.本文提出了带权重的规则筛选算法,该算法同时考虑了规则的权重和规则的分布.实验结果表明,DRC-BK分类器采用该算法后,规则集的大小可以明显地减少,而分类性能有所提高,且能有效地消除了噪声.
