典型文献
慢性阻塞性肺疾病的中医智能诊疗研究
文献摘要：
目的 探讨深度学习在慢性阻塞性肺疾病证型预测和药物推荐中的应用.方法 从真实诊疗数据中提取症状、证型、药物信息并做预处理,使用Fisher特征选择算法筛选与证型相关性较强的症状作为4层深度前馈网络的输入进行中医证型预测.将药物推荐分为典型药物推荐和补充药物推荐,利用频数分析和粒子群优化(PSO)算法-反向传播(BP)算法构建各证型的典型药物推荐模型,通过挖掘关联规则完成补充药物推荐.最后通过相应指标分别对证型预测、药物推荐结果进行评价.结果 对2232条COPD患者数据的9种中医证型分类准确率达到82.39％.对于外寒内饮证,基于233种药物的典型药物推荐结果的均方误差(MSE)为0.0091,平均绝对误差(MAE)为0.0879.设置最小支持度0.2、最小置信度0.9,挖掘到关联规则261条,用于补充药物推荐.结论 实验和实际使用结果表明,本研究提出的基于深度前馈网络的证型分类算法、基于频数分析和PSO-BP网络的药物推荐算法较好地完成COPD患者的证型预测及药物推荐,具有较好的智能诊疗效果.
文献关键词：
慢性阻塞性肺疾病;证型分类;中医药推荐;算法;PSO-BP网络
中图分类号：
作者姓名：
李祯;江国星;冯毅;范嘉豪;杨宏志;张威
作者机构：
华中科技大学电子信息与通信学院,湖北 武汉 430074;湖北省中医院,湖北 武汉 430000;湖北中医药大学,湖北武汉 430000
文献出处：
引用格式：
[1]李祯;江国星;冯毅;范嘉豪;杨宏志;张威-.慢性阻塞性肺疾病的中医智能诊疗研究)[J].中国中医药图书情报杂志,2022(06):17-23
A类：
中医药推荐
B类：
慢性阻塞性肺疾病,中医智能诊疗,诊疗研究,病证,药物推荐,Fisher,特征选择算法,深度前馈网络,中医证型,频数分析,粒子群优化,PSO,反向传播,推荐模型,关联规则,对证,COPD,患者数据,证型分类,分类准确率,外寒内饮证,均方误差,MSE,平均绝对误差,MAE,小支,支持度,置信度,使用结果,分类算法,推荐算法,诊疗效果
AB值：
0.275864
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
