文献

J-GLOBAL ID：202102211631422268   整理番号：21A1251846

気陰両虚型咳症候群の弁証診断における多層学習共同モデリング法の応用【JST・京大機械翻訳】

著者 (3件)： Xiang Shate (浙江中医薬大学 310053) ,  Qu Yiqian (浙江中医薬大学 310053) ,  Ye Hanxiao (浙江中医薬大学 310053)
資料名： Zhongguo Weisheng Tongji  (Zhongguo Weisheng Tongji)
巻： 37  号： 6  ページ： 892-894  発行年： 2020年 
JST資料番号： C2278A  ISSN： 1002-3674  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： 中国語 (ZH)

抄録/ポイント： 目的:多段階学習連合モデリング法を用いて、気陰両虚型咳の弁証症候群をマイニングし、漢方医学の学習、臨床弁証及び診断に新たな考え方と方法を提供する。方法:ランダムフォレスト、XGBoost及びlogistic回帰の3種類の機械学習アルゴリズムを併用し、767例の咳患者のカルテに対して、Anaconda3-5.2.0ソフトウェアを用いて、アルゴリズムモデルを構築した。結果:この方法を用いて得られた症候群結果は文献記載の証候表現と大体一致し、主に咳、無力、口乾、痰が少ない、色白、燥苔、脈弱などの症候群である。交差検証の結果,XGBoostアルゴリズムの精度は86.7%であり,ランダム森林は85.3%であった。結論:多層学習連合モデリング方法はランダムフォレスト、XGBoost或いはlogistic回帰アルゴリズムによる欠陥を補うことができ、特に臨床病案が少ない小サンプルデータに対してより有効であり、この方法はある程度重要な変数損失の可能性を低減できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ソフトウェア ,  多層 ,  学習アルゴリズム ,  漢方 ,  カルテ
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 感染症・寄生虫症一般  (GD01010H) ,  予防医学一般  (GB01010B)

タイトルに関連する用語 (9件)： 気 ,  咳 ,  症候群 ,  診断 ,  多層 ,  学習 ,  共同 ,  モデリング ,  応用