文献类型：期刊文章

作　　者：王朝雨[1] 黄奎麟[1] 代国威[2] 强茗[3] 王倩[4]

WANG Zhaoyu;HUANG Kuilin;DAI Guowei;QIANG Ming;WANG Qian(Guanghan Hospital of Chinese Medicine,Guanghan,Sichuan 618399,China;Agricultural Information Institute,Chinese Academy of Agricultural Sciences,National Agriculture Science Data Center,Beijing 100081,China;Department of Acupuncture and Rehabilitation,Institute of Chinese Medicine,Sichuan Academy of Chinese Medicine,Chengdu,Sichuan 610031,China;Department of Neurology,the First Hospital of Tisnghua University,Beijing 100016,China)

机构地区：[1]广汉市中医医院,四川广汉618399 [2]中国农业科学院农业信息研究所国家农业科学数据中心,北京100081 [3]四川省中医药科学院中医研究所针灸康复科,四川成都610031 [4]清华大学第一附属医院神经内科,北京100016

出　　处：《湖南中医药大学学报》

基　　金：国家重点研发计划项目(2021YFF0704200);四川省中医药管理局中医药科研专项课题面上项目(2023MS385);广汉市社会发展医疗卫生领域重点研发项目(GH2022SFY15)。

年　　份：2023

卷　　号：43

期　　号：8

起止页码：1460-1467

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：目的通过卷积神经网络学习脑卒中中医辨证分型与中医舌象特征分类的关系,为探索新的脑卒中临床标准化治疗方法提供诊断依据。方法本研究选取284名脑卒中患者作为研究对象,通过迁移学习微调改进DenseNet201用于特征向量的提取,使用信息增益、卡方检验、对称不确定性与ReliefF滤波算法并组合去重以选择特征向量,最后利用Cubic SVM形成交叉数据集在多种分类器上进行训练和测试,比较模型的准确性。结果试验结果表明,组合的四类特征提取算法使得准确率高于基础结果的3.26%,Cubic SVM分类器相对于其他分类器以及未改进的DenseNet201取得了最优结果,可以在脑卒中中医舌象辨证分型中提供至少为95.74%的准确率。结论本研究提出的TCM舌象分类模型的方法结构是有效的,可辅助临床中医师进行诊断治疗,值得临床推广和进一步深入研究。

关 键 词：中医舌诊 深度学习  舌象分类  支持向量机 特征选择  

分 类 号：R288[中药学类]