文献

J-GLOBAL ID：201702247270309509   整理番号：17A0200240

ラベルに関連する特徴を用いたマルチラベル学習アルゴリズムを用いた中国医学における症候群の分類【Powered by NICT】

Classifying Syndromes in Chinese Medicine Using Multi-label Learning Algorithm with Relevant Features for Each Label

著者 (8件)： Xu Jin (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Xu Zhaoxia (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Lu Ping (Center for Mechatronics Engineering, East China University of Science and Technology) ,  Guo Rui (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Yan Haixia (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Xu Wenjie (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Wang Yiqin (School of Basic Medicine, Shanghai University of Traditional Chinese Medicine) ,  Xia Chunming (Center for Mechatronics Engineering, East China University of Science and Technology)
資料名： Zhongguo Jiehe Yixue Zazhi  (Zhongguo Jiehe Yixue Zazhi)
巻： 22  号： 11  ページ： 867-871  発行年： 2016年 
JST資料番号： C2815A  ISSN： 1672-0415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 【目的】は,冠状動脈性心臓病(CHD)の効果的な漢方薬(CM)診断モデルを開発するために,アルゴリズム的観点からCM理論的基礎の科学的妥当性を確認した。【方法】四種類の客観的診断のデータは心臓の問題,舌診断機器,ZBOX Iパルスディジタル収集装置,及び担当収集システムの音の診断のためのselfdeveloped CM問診尺度を用いて835名のCHD患者から採取した。これら診断データを解析し,CM診断モデルは,マルチラベル学習アルゴリズム(REAL)を用いて確立した。【結果】実はX in(心臓)qi欠乏,X in陽欠乏,X in陰欠損症,うっ血,および痰五カードCM診断モデル,80.32%,89.77%,84.93%,85.37%,および69.90%の認識率を持つことを確立した。【結論】相互情報量特徴選択に基づく四診断モデルを用いて確立されたマルチラベル学習法は良好な認識結果を得た。特性モデルパラメータは,各カード型のための相互情報を最大化することにより選択した。観察,聴診ときゅう覚,問診,脈診,CMにおける情報を得るために用いた四種類の診断法がこれらのパラメータによって特徴付けられ,CM理論と一致した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *アルゴリズム ,  問診 ,  漢方 ,  相互情報量 ,  心臓 ,  聴診 ,  患者 ,  漢方製剤 ,  特徴選択 ,  *学習アルゴリズム ,  嗅覚 ,  *学習
準シソーラス用語： 脈診 ,  認識率 ,  診断モデル , 【Automatic Indexing@JST】

著者キーワード (3件)： 漢方 ,  症候群分化 ,  マルチラベル学習アルゴリズム

分類 (3件)： 循環系の疾患  (GJ03000C) ,  植物の生化学  (EH01050J) ,  脂質の代謝と栄養  (EJ02034Q)

タイトルに関連する用語 (7件)： ラベル ,  マルチ ,  学習アルゴリズム ,  中国 ,  医学 ,  症候群 ,  分類